Python中的索引和切片
我们经常想使用
DataFrame
对象的
子集
。
有多种方法可以完成此操作，包括：使用标签（列标题），数字范围或特定的x，y索引位置。
使用标签选择数据（列标题）
我们使用方括号
[]
选择Python对象的子集。
例如，我们可以
species_id
从
surveys_df
DataFrame按名称
命名的列中选择所有数据
。
有两种方法可以做到这一点：
＃提示：使用我们之前看到的.head（）方法来缩短输出
＃方法1：使用列名选择数据的“子集”
surveys_df ['species_id']
＃方法2：将列名称用作“属性”； 给出相同的输出
surveys_df.species_id
我们还可以创建一个仅包含
species_id
列中
数据的新对象，
如下所示：
＃创建一个仅包含`species_id`列的对象surveys_species
surveys_species = surveys_df ['species_id']
我们也可以传递一个列名列表，作为以该顺序选择列的索引。
当我们需要重组数据时，这很有用。
注意：
如果DataFrame中不包含列名，则会引发异常（错误）。
＃从DataFrame中选择种类并绘制列
surveys_df[['species_id'，'plot_id']]
＃当您下订单时会发生什么？
surveys_df[['plot_id'，'species_id']]
＃如果您请求不存在的列会发生什么？
surveys_df['speciess']
Python告诉我们追溯中的错误类型，在底部说
KeyError: 'speciess'
这
speciess
不是有效的列名（也不是相关Python数据类型字典中的有效键）。
Python语言及其模块（例如Pandas）定义了保留字，这些保留字在分配对象和变量名时不应用作标识符。
的在Python保留字实例包括布尔值
True
和
False
，运营商
and
，
or
和
not
，等等。
https://docs.python.org/3/reference/lexical_analysis.html#identifiers
提供了Python版本3保留字的完整列表
。
在命名对象和变量时，避免使用内置数据结构和方法的名称也很重要。
例如，
列表
是内置数据类型。
例如，可以将单词“列表”用作新对象的标识符
list = ['apples', 'oranges', 'bananas']
。
但是，您将无法使用创建空列表
list()
或
使用
将元组转换为列表
list(sometuple)
。
Python使用基于0的索引。
让我们提醒自己，Python使用基于0的索引。
这意味着对象中的第一个元素位于位置
0
。
这与其他工具（例如R和Matlab）不同，后者从1开始对对象内的元素进行索引。
# Create a list of numbers:
a = [1, 2, 3, 4, 5]
在Python中切片行的子集
使用[]运算符进行切片可从DataFrame中选择一组行和/或列。要切出一组行，请使用以下语法： data[start:stop]。在对大熊猫进行切片时，开始范围包含在输出中。停止界限是您要选择的行之后的第一步。因此，如果要选择行0、1和2，则代码应如下所示：
# Select rows 0, 1, 2 (row 3 is not selected)
surveys_df[0:3]
Python中的止损与您在Matlab和R等语言中可能使用的止损不同。
＃选择前5行（行0、1、2、3、4）
surveys_df [：5]
＃选择列表中的最后一个元素
＃（切片从最后一个元素开始，并在列表的末尾结束）
surveys_df [-1：]
我们还可以在DataFrame的子集中重新分配值。
但是在进行此操作之前，我们先来看一下在Python中复制对象的概念和引用对象的概念之间的区别。
在Python中复制对象与引用对象
让我们从一个例子开始：
# Using the 'copy() method'
true_copy_surveys_df = surveys_df.copy()
# Using the '=' operator
ref_surveys_df = surveys_df
您可能会认为该代码ref_surveys_df = surveys_df创建了surveys_dfDataFrame对象的全新独特副本。但是，= 在简单语句y = x中使用运算符不会创建我们的DataFrame的副本。而是y = x创建一个新变量y，该变量引用所引用的 同一对象x。为了说明这一点的另一种方式，只有 一个对象（数据帧），都x和y参考。
相反，copy()用于DataFrame的方法将创建DataFrame的真实副本。
让我们看看当我们在引用另一个DataFrame对象的DataFrame子集中重新分配值时会发生什么：
ref_surveys_df[0:3] = 0 #将值'0'分配给DataFrame中的数据的前三行
让我们尝试以下代码：
＃ref_surveys_df是使用'='运算符创建的
ref_surveys_df.head（）
＃surveys_df是原始数据框
surveys_df.head（）
这两个数据帧之间有什么区别？
当我们0为ref_surveys_df前三列分配使用 DataFrame的值时，surveys_df也会修改DataFrame。记住ref_survey_df，当我们这样做时，我们在上面创建了参考对象 ref_survey_df = surveys_df。记住surveys_df并ref_surveys_df 引用相同的确切DataFrame对象。如果其中一个更改了对象，则另一个将看到与参考对象相同的更改。
回顾和总结：
复制使用数据框的copy()方法
true_copy_surveys_df = surveys_df.copy()
iloc主要是基于整数的索引
要从我们的DataFrame中选择行和列的子集，我们可以使用 iloc方法。例如，我们可以选择月，日和年（如果从1开始计数，则列2、3和4），如下所示：
# iloc[row slicing, column slicing]
行切片，列切片
surveys_df.iloc[0:3, 1:4]
这给出了输出
month day year
0 7 16 1977
1 7 16 1977
2 7 16 1977
请注意，我们要求从0：3开始切片。这产生了3行数据。当您要求0：3时，实际上是在告诉Python从索引0开始并选择行0、1、2直到但不包括3。
让我们探索其他索引和选择数据子集的方法：
# 选择所有列的索引值0和10
surveys_df.loc[[0, 10], :]
# What does this do?
surveys_df.loc[0, ['species_id', 'plot_id', 'weight']]
# 当您键入下面的代码时，会发生什么？
surveys_df.loc[[0, 10, 35549], :]
注意：必须在DataFrame中找到标签，否则会得到一个KeyError。
用标签索引loc不同于用整数索引iloc。使用时loc，开始范围和停止范围都包含在内。当使用时loc，可以使用 整数，但是整数引用的是索引标签，而不是位置。例如，使用loc和选择1：4将获得与使用iloc选择1：4行不同的结果。
我们还可以使用DataFrame中的行和列位置以及iloc索引来选择特定的数据值：
record_id month day year plot_id species_id sex hindfoot_length weight
33320 33321 1 12 2002 1 DM M 38 44
33321 33322 1 12 2002 1 DO M 37 58
33322 33323 1 12 2002 1 PB M 28 45
33323 33324 1 12 2002 1 AB NaN NaN NaN
33324 33325 1 12 2002 1 DO M 35 29
35544 35545 12 31 2002 15 AH NaN NaN NaN
35545 35546 12 31 2002 15 AH NaN NaN NaN
35546 35547 12 31 2002 10 RM F 15 14
35547 35548 12 31 2002 7 DO M 36 51
35548 35549 12 31 2002 5 NaN NaN NaN NaN
[2229 rows x 9 columns]
或者，我们可以选择不包含2002年的所有行：
surveys_df[surveys_df.year != 2002]
我们也可以定义一组标准：
surveys_df[(surveys_df.year >= 1980) & (surveys_df.year <= 1985)]
Python语法备忘单
当通过DataFrame的条件查询数据时，可以使用以下语法。尝试选择“调查”数据的各个子集。
等于： ==
不等于： !=
大于，小于：>或<
大于或等于 >=
小于或等于 <=
挑战-查询
在surveys_dfDataFrame中选择包含1999年数据并且权重值小于或等于8的行的子集。您最终得到了多少行？你的邻居得到了什么？
您可以isin在Python中使用该命令根据值列表查询DataFrame，如下所示：
surveys_df[surveys_df['species_id'].isin([listGoesHere])]
使用口罩识别特定情况
甲掩模可以是有用的，可找到存在值的特定子集或不存在-例如，NaN时，或“不是数”的值。要了解遮罩，我们还需要了解BOOLEANPython中的对象。
布尔值包括True或False。例如，
# Set x to 5
x = 5
# What does the code below return?
# How about this?
x == 5
当我们询问Python是否x大于5时，它返回False。这是Python所说的“不”的方法。实际上，值x是5，而5则不大于5。
要创建布尔掩码：
设置正确/错误标准（例如values > 5 = True）
然后，Python将评估对象中的每个值，以确定该值是否满足条件（正确）（错误）。
Python创建了一个与原始对象形状相同的输出对象，但是每个索引位置都有一个True或False值。
让我们尝试一下。让我们确定调查数据中具有空（缺失或NaN）数据值的所有位置。我们可以使用该isnull方法来执行此操作。该isnull方法将比较每个单元格的空值。如果元素的值为空，则将True在输出对象中为其分配值 。
pd.isnull(surveys_df)
输出的摘要如下：
record_id month day year plot_id species_id sex hindfoot_length weight
0 False False False False False False False False True
1 False False False False False False False False True
2 False False False False False False False False True
3 False False False False False False False False True
4 False False False False False False False False True
[35549 rows x 9 columns]
要选择存在空值的行，我们可以使用掩码作为索引来子集数据，如下所示：
surveys_df[pd.isnull(surveys_df).any(axis=1)]#要仅选择具有NaN值的行，我们可以使用'any（）'方法
请注意，weight我们的DataFrame列包含许多null或NaN 值。在下一集“数据类型和格式”中，我们将探讨处理此问题的方法。
我们也可以isnull在特定的列上运行。下面的代码做什么？
# What does this do?
empty_weights = surveys_df[pd.isnull(surveys_df['weight'])]['weight']
print(empty_weights)
让我们花点时间看一下上面的陈述。我们正在使用布尔对象pd.isnull(surveys_df['weight'])作为的索引surveys_df。我们要求Python选择具有NaN权重值的行。
挑战-放在一起
创建一个新的DataFrame，它仅包含具有非女性或男性性别值的观察值。将新DataFrame中的每个性别值分配给新值'x'。确定子集中的空值数量。
创建一个新的DataFrame，该数据框仅包含性别为性别或性别且权重值大于0的观察值。创建一个按重量平均堆叠的条形图，并在每个图上堆叠男性和女性值。
在Python中，可以使用索引，切片，列标题和基于条件的子集访问部分数据。
Python使用基于0的索引，其中列表，元组或任何其他数据结构中的第一个元素的索引为0。
Pandas支持常见的数据探索步骤，例如数据索引，切片和条件子集。
