跳到主要内容

Pandas 基础索引

Pandas是Python中用于数据处理和分析的强大工具，而索引（Indexing）是Pandas中最基础且重要的操作之一。通过索引，我们可以从DataFrame或Series中选择特定的数据。本文将详细介绍Pandas中的基础索引方法，帮助初学者快速上手。

什么是索引？​

在Pandas中，索引是指从数据结构（如DataFrame或Series）中提取特定数据的过程。Pandas提供了多种索引方式，包括基于标签的索引、基于位置的索引以及布尔索引。本文将重点介绍基础索引方法。

基础索引方法​

1. 基于标签的索引​

Pandas允许我们使用行和列的标签来选择数据。对于DataFrame，我们可以使用 .loc[] 方法来实现基于标签的索引。

示例：使用 .loc[] 选择数据​

python
import pandas as pd

# 创建一个简单的DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 使用.loc[]选择行和列
print(df.loc['a', 'Name'])  # 输出: Alice

在上面的示例中，我们使用 .loc[] 方法选择了索引为 'a' 的行和列标签为 'Name' 的数据。

2. 基于位置的索引​

除了基于标签的索引，Pandas还支持基于位置的索引。我们可以使用 .iloc[] 方法来实现这一点。

示例：使用 .iloc[] 选择数据​

python
# 使用.iloc[]选择行和列
print(df.iloc[0, 1])  # 输出: 25

在这个示例中，我们使用 .iloc[] 方法选择了第一行和第二列的数据。注意，.iloc[] 是基于0的索引，因此 0 表示第一行，1 表示第二列。

3. 布尔索引​

布尔索引是一种通过布尔条件来选择数据的方法。我们可以使用布尔表达式来过滤数据。

示例：使用布尔索引选择数据​

python
# 使用布尔索引选择年龄大于30的行
print(df[df['Age'] > 30])

输出结果为：

      Name  Age      City
c  Charlie   35  Chicago

在这个示例中，我们使用布尔表达式 df['Age'] > 30 来过滤出年龄大于30的行。

实际应用场景​

案例：筛选特定城市的数据​

假设我们有一个包含多个城市的数据集，我们想要筛选出特定城市的数据。

python
# 创建一个包含多个城市的DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'Chicago', 'New York']
}
df = pd.DataFrame(data)

# 筛选出城市为'New York'的数据
new_york_data = df[df['City'] == 'New York']
print(new_york_data)

输出结果为：

    Name  Age      City
0  Alice   25  New York
3  David   40  New York

在这个案例中，我们使用布尔索引筛选出了城市为 'New York' 的数据。

总结​

Pandas的基础索引方法包括基于标签的索引（.loc[]）、基于位置的索引（.iloc[]）以及布尔索引。这些方法可以帮助我们从DataFrame或Series中选择特定的数据。掌握这些基础索引方法是学习Pandas的重要一步。

附加资源与练习​

  • 练习1：创建一个包含5行3列的DataFrame，并使用 .loc[] 和 .iloc[] 方法选择不同的行和列。
  • 练习2：使用布尔索引筛选出DataFrame中满足特定条件的行。

通过不断练习，你将更加熟练地掌握Pandas的基础索引方法。