Series第三講 索引、迭代
索引、迭代方法總覽
Series.get(key[, default])Series.atSeries.iatSeries.locSeries.ilocSeries.__iter__()Series.items()Series.iteritems()Series.keys()Series.pop(item)Series.item()Series.xs(key[, axis, level, drop_level])
詳細(xì)介紹
先來創(chuàng)建一個Series和一個DataFrame
In [2]: s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
In [3]: s
Out[3]:
a 1
b 2
c 3
d 4
dtype: int64
In [4]: df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...: index=['cobra', 'viper', 'sidewinder'],
...: columns=['max_speed', 'shield'])
In [5]: df
Out[5]:
max_speed shield
cobra 1 2
viper 4 5
sidewinder 7 8
Series.get(key, default=None)
根據(jù)指定的key(一個行索引或列索引)來獲取數(shù)據(jù)，key不存在則返回default值，類似于python的字典。
Series.get時，key為行索引，返回一個標(biāo)量或default值
DataFrame.get時，key為列索引，返回一列數(shù)據(jù)或default值
In [6]: s.get('a')
Out[6]: 1
In [7]: df.get('max_speed')
Out[7]:
cobra 1
viper 4
sidewinder 7
Name: max_speed, dtype: int64
In [8]: df.get('max_speeda',0)
Out[8]: 0
Series.at
根據(jù)標(biāo)簽或布爾數(shù)組定位數(shù)據(jù)
功能和使用方法與loc一樣，請看下面的loc介紹
Series.iat
根據(jù)數(shù)字(坐標(biāo)系)或布爾數(shù)組定位位置
功能和使用方法與iloc一樣，請看下面的iloc介紹
Series.loc
根據(jù)標(biāo)簽或布爾數(shù)組定位數(shù)據(jù)
loc[index[, column]]
index可以是單個行標(biāo)簽、也可以是包含多個行標(biāo)簽的列表、行標(biāo)簽的切片、bool數(shù)組
column可以是單個列標(biāo)簽、也可以是包含多個列標(biāo)簽的列表、列標(biāo)簽的切片、bool數(shù)組
# Series事例
# 單個行標(biāo)簽
In [13]: s['a']
Out[13]: 1
# 多個行標(biāo)簽的列表
In [14]: s[['a', 'c']]
Out[14]:
a 1
c 3
dtype: int64
# 行標(biāo)簽的切片
In [16]: s['a': 'c']
Out[16]:
a 1
b 2
c 3
dtype: int64
# bool數(shù)組
In [18]: bool_list = s>2
In [19]: bool_list
Out[19]:
a False
b False
c True
d True
dtype: bool
In [20]: s[bool_list]
Out[20]:
c 3
d 4
dtype: int64
# DataFrame事例
# 獲取一行或多行數(shù)據(jù)
In [24]: df.loc['cobra']
Out[24]:
max_speed 1
shield 2
Name: cobra, dtype: int64
In [25]: df.loc[['cobra', 'viper']]
Out[25]:
max_speed shield
cobra 1 2
viper 4 5
In [26]: df.loc['cobra': 'viper']
Out[26]:
max_speed shield
cobra 1 2
viper 4 5
# bool數(shù)組
In [27]: df.loc[df.index=='sidewinder']
Out[27]:
max_speed shield
sidewinder 7 8
# 獲取一列或多列數(shù)據(jù)
In [30]: df.loc[:, 'shield']
Out[30]:
cobra 2
viper 5
sidewinder 8
Name: shield, dtype: int64
# 通過行、列獲取數(shù)據(jù)
In [31]: df.loc['viper', 'shield']
Out[31]: 5
注意??：loc里的切片和python的切片不一樣，python里是左閉右開(即不包含結(jié)束值)，但是loc是左閉右閉。
注意??：但是在iloc里的切片就和python的切片一樣，即符合左閉右開。
Series.iloc
根據(jù)數(shù)字(坐標(biāo)系)或布爾數(shù)組定位位置，使用方法和loc類似，只是這里用的是坐標(biāo)
# Series事例
# 獲取第4(位置)數(shù)據(jù) 位置從0開始
In [34]: s[3]
Out[34]: 4
# 獲取第4、2個數(shù)據(jù)
In [35]: s[[3, 1]]
Out[35]:
d 4
b 2
dtype: int64
# 獲取前3條數(shù)據(jù) 也可以寫成s[[0, 1, 2]] 或 s[list(range(3))]
In [37]: s[:3]
Out[37]:
a 1
b 2
c 3
dtype: int64
# 獲取最后一條數(shù)據(jù)
In [41]: s[-1]
Out[41]: 4
DataFrame和iloc類似，只是使用的是坐標(biāo)軸獲取數(shù)據(jù)。
注意??：loc里的切片和python的切片不一樣，python里是左閉右開(即不包含結(jié)束值)，但是loc是左閉右閉。
注意??：但是在iloc里的切片就和python的切片一樣，即符合左閉右開。
Series.__iter__()
返回一個迭代器
如果是Series，返回的是包含values的迭代器；
如果是DataFrame，返回的是包含列名的迭代器
In [42]: s.__iter__()
Out[42]: <map at 0x7fc3abc0b950>
In [43]: for a in s.__iter__():
...: print(a)
...:
1
2
3
4
Series.items()
返回一個可迭代對象，這個對象里的元素內(nèi)容為一個元組(索引, 值)
和python字典的items()方法有些像
# 對Series
In [47]: s.items()
Out[47]: <zip at 0x7fc3ab361730>
In [48]: for item in s.items():
...: print(item)
...:
('a', 1)
('b', 2)
('c', 3)
('d', 4)
# 對DataFrame
In [49]: for df_item in df.items():
...: print(df_item)
...:
...:
('max_speed', cobra 1
viper 4
sidewinder 7
Name: max_speed, dtype: int64)
('shield', cobra 2
viper 5
sidewinder 8
Name: shield, dtype: int64)
Series.iteritems()
和 items()功能一樣
Series.keys()
返回對象的索引
如果是Series，則Series.keys()和Series.index返回結(jié)果一樣，都返回Series的索引；
如果是DataFrame，則df.keys()返回的是列索引，df.index返回的是行索引。
# 對于Series
In [51]: s.keys()
Out[51]: Index(['a', 'b', 'c', 'd'], dtype='object')
In [52]: s.index
Out[52]: Index(['a', 'b', 'c', 'd'], dtype='object')
# 對于DataFrame
In [55]: df.keys()
Out[55]: Index(['max_speed', 'shield'], dtype='object')
In [56]: df.index
Out[56]: Index(['cobra', 'viper', 'sidewinder'], dtype='object')
Series.pop(item)
根據(jù)索引刪除元素，返回刪除的數(shù)值。
與python里list.pop()相似。
注意??：此方法會改變原Series的數(shù)據(jù)，如果是DataFrame，則item需要指定列名
# 對于Series
In [58]: s.pop('a')
Out[58]: 1
In [59]: s
Out[59]:
b 2
c 3
d 4
dtype: int64
# 對于DataFrame
In [63]: df.pop('max_speed')
Out[63]:
cobra 1
viper 4
sidewinder 7
Name: max_speed, dtype: int64
In [64]: df
Out[64]:
shield
cobra 2
viper 5
sidewinder 8
Series.item()
目前看來只對包含一個元素的Series管用 返回這個元素的值
注意??：DataFrame沒有item()方法
In [68]: pd.Series(['a']).item()
Out[68]: 'a'
Series.xs(key, axis=0, level=None, drop_level=True)
選擇MultiIndex特定級別的數(shù)據(jù)，即多層次索引時篩選數(shù)據(jù)
參數(shù)介紹：
- key：label or tuple of label 索引的標(biāo)簽。
- axis{0 or ‘index’, 1 or ‘columns’}, default 0 默認(rèn)對行進(jìn)行選取，如果axis=1則對列進(jìn)行選取。
- level：object, defaults to first n levels (n=1 or len(key)) 用來指定多級索引選取時，這些索引的級別，可以是數(shù)字也可以是索引的name。顯示結(jié)果里的多級索引不包含level指定的層，因為這是過濾層。(意思是我要篩選第二層索引為xxx的數(shù)據(jù)，則第二層的索引級別不會在結(jié)果中顯示，除非指定drop_level=False)。
- drop_level：bool, default True 默認(rèn)會在結(jié)果中刪除level指定層，如果設(shè)為False，則level指定層也在結(jié)果顯示，即結(jié)果和原始數(shù)據(jù)的層級數(shù)一致。
# 首先創(chuàng)建一個多層索引對象 df
In [70]: d = {'num_legs': [4, 4, 2, 2],
...: 'num_wings': [0, 0, 2, 2],
...: 'class': ['mammal', 'mammal', 'mammal', 'bird'],
...: 'animal': ['cat', 'dog', 'bat', 'penguin'],
...: 'locomotion': ['walks', 'walks', 'flies', 'walks']}
In [71]: df = pd.DataFrame(data=d)
...: df = df.set_index(['class', 'animal', 'locomotion'])
...: df
...:
Out[71]:
num_legs num_wings
class animal locomotion
mammal cat walks 4 0
dog walks 4 0
bat flies 2 2
bird penguin walks 2 2
# 可以看出此df對象有三層行索引，class、animal和locomotion
# 獲取指定索引處的值 可以看到結(jié)果中class層被drop了
In [74]: df.xs('mammal')
Out[74]:
num_legs num_wings
animal locomotion
cat walks 4 0
dog walks 4 0
bat flies 2 2
In [75]: df.loc['mammal']
Out[75]:
num_legs num_wings
animal locomotion
cat walks 4 0
dog walks 4 0
bat flies 2 2
# 可以看出 df.xs('mammal') 和 df.loc['mammal'] 效果一樣
# 但是我想獲取cat索引的數(shù)據(jù)時，loc就不能用了。下面看xs來發(fā)揮作用吧
# 可以看到 結(jié)果中class和animal層被drop了
In [79]: df.xs(('mammal', 'cat'))
Out[79]:
num_legs num_wings
locomotion
walks 4 0
# 如果只想指定cat索引，且該索引不是第一層索引，則需要加上level參數(shù)
# level也可以指定為索引名 下面的代碼等價于 df.xs('cat', level='animal')
In [80]: df.xs('cat', level=1)
Out[80]:
num_legs num_wings
class locomotion
mammal walks 4 0
# 獲取多級索引的值
In [86]: df.xs(('bird', 'walks'), level=[0, 'locomotion'])
Out[86]:
num_legs num_wings
animal
penguin 2 2
# 獲取指定列上的值
In [88]: df.xs('num_wings', axis=1)
Out[88]:
class animal locomotion
mammal cat walks 0
dog walks 0
bat flies 2
bird penguin walks 2
Name: num_wings, dtype: int64
In [89]: df.xs(['num_wings', 'num_legs'], axis=1)
Out[89]:
num_wings num_legs
class animal locomotion
mammal cat walks 0 4
dog walks 0 4
bat flies 2 2
bird penguin walks 2 2
# 也可以用loc實(shí)現(xiàn)
df.loc[:, ['num_wings', 'num_legs']]
df.loc[:, 'num_wings']
