- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第四章使用pandas进行数据对象构建和数据运算
任务4.2索引操作Pandas索引操作概述使用位置索引和标签索引操作Series使用位置索引和标签索引操作DataFrame使用函数式索引操作Series和DataFrame使用常见查询方法查询数据索引用途索引变换
使用函数式索引操作Series和DataFrame函数式索引:指带有一个Series或DataFrame参数的函数,并返回有效的索引输出,有效索引就是四种索引之一。df(或s).iloc属性有效索引包括:一个整数,例如5整数列表或数组,例如[4,3,0]带有整数的切片对象,例如1:7布尔数组df(或s).loc有效索引包括:单个标签,例如5或a(注意,它5被解释为索引的标签,此用法不是索引的整数位置)列表或标签数组,例如[a,b,c]带标签的切片对象a:f(注意,标签切片的端点包括在内)布尔数组df[]、s[]有效索引有位置有效索引,也有标签有效索引,遵循df和s索引运算符[]操作要求
函数返回位置索引
函数返回标签索引
使用常见查询方法查询数据—df.querydf.query方法:DataFrame对象的query()方法允许使用表达式查询DataFrame的数据,query也是类似于SQL中where关键字的语法逻辑。query有两个SQL中标志性的设计:其一是@引用自定义外部变量,其二是对于特殊的列名(例如包含空格的字符)可以用反引号``加以修饰引用。query特点:节省内存以及有时他们具有更简洁的语法形式,但只能查询数据,不能修改数据。
使用常见查询方法查询数据—df.query
使用常见查询方法查询数据—wherewhere方法:从具有布尔向量的Series中选择值通常会返回数据的子集。为了保证选择输出与原始数据具有相同的形状,您可以在Series和DataFrame中使用where方法。where接受的条件需要是布尔类型的,如果条件为真,保持原来的值,否则,就被赋值为默认的NaN或其他指定值。
使用常见查询方法查询数据—wheredf1.where(m,df2)大致相当于np.where(m,df1,df2),比如:df.where(df0,-df)==np.where(df0,df,-df)。where对齐输入布尔条件,以便可以使用设置进行部分选择。
小结函数式索引:函数带有一个Series或DataFrame参数,返回有效索引query方法:使用表达式优雅查询数据where方法:使用布尔数组作为条件查询,结果的shape和原数据结构shape一致,不满足条件的数据项,也可以按指定的axis方向广播修改数据。
您可能关注的文档
- 数据分析应用项目化教程(Python) 课件 任务1.1 认识Python与数据分析.pptx
- 数据分析应用项目化教程(Python) 课件 任务1.2 认识数据分析类别与流程.pptx
- 数据分析应用项目化教程(Python) 课件 任务2.1 数据分析环境搭建-Anaconda3.pptx
- 数据分析应用项目化教程(Python) 课件 任务2.1 数据分析环境搭建-jupyter notebook.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.0 numpy概述.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.1 认识多维数组.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.2 创建多维数组.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.3 多维数组运算1.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.3 多维数组运算2.pptx
- 数据分析应用项目化教程(Python) 课件 任务3.4 多维数组的索引和切片.pptx
文档评论(0)