数据分析应用项目化教程（Python） 课件 任务4.2索引操作2.pptx

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。