パンダのインデックス操作
インデックスオブジェクトのインデックス
インデックス内の1シリーズとデータフレームインデックスオブジェクトがあります
サンプルコード:
print(type(ser_obj.index))
print(type(df_obj2.index))
print(df_obj2.index)
結果:
<class 'pandas.indexes.range.RangeIndex'>
<class 'pandas.indexes.numeric.Int64Index'>
Int64Index([0, 1, 2, 3], dtype='int64')
2.インデックスオブジェクトの不変は、データのセキュリティを確保するために、
サンプルコード:
# 索引对象不可变
df_obj2.index[0] = 2
結果:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-23-7f40a356d7d1> in <module>()
1 # 索引对象不可变
----> 2 df_obj2.index[0] = 2
/Users/Power/anaconda/lib/python3.6/site-packages/pandas/indexes/base.py in __setitem__(self, key, value)
1402
1403 def __setitem__(self, key, value):
-> 1404 raise TypeError("Index does not support mutable operations")
1405
1406 def __getitem__(self, key):
TypeError: Index does not support mutable operations
一般的な種指数
- インデックス、インデックス
- Int64Index、整数のインデックス
- マルチインデックス、インデックスレベル
- DatetimeIndex、タイムスタンプの種類
シリーズ・インデックス
1.インデックスインデックス名指定された行
サンプルコード:
ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
print(ser_obj.head())
結果:
a 0
b 1
c 2
d 3
e 4
dtype: int64
2行インデックス
ser_obj [ 'ラベル']、ser_obj [POS]
サンプルコード:
# 行索引
print(ser_obj['b'])
print(ser_obj[2])
結果:
1
2
3.スライスインデックス
ser_obj [2:4]、ser_obj 'のLabel1': '' LABEL3]
注インデックス名でスライシング操作はインデックスの終了が含まれているとき。
サンプルコード:
# 切片索引
print(ser_obj[1:3])
print(ser_obj['b':'d'])
結果:
b 1
c 2
dtype: int64
b 1
c 2
d 3
dtype: int64
4.不連続インデックス
ser_obj [[ '' のLabel1、Label2を、 '' LABEL3「]]
サンプルコード:
# 不连续索引
print(ser_obj[[0, 2, 4]])
print(ser_obj[['a', 'e']])
結果:
a 0
c 2
e 4
dtype: int64
a 0
e 4
dtype: int64
5.ブールインデックス
サンプルコード:
# 布尔索引
ser_bool = ser_obj > 2
print(ser_bool)
print(ser_obj[ser_bool])
print(ser_obj[ser_obj > 2])
結果:
a False
b False
c False
d True
e True
dtype: bool
d 3
e 4
dtype: int64
d 3
e 4
dtype: int64
データフレームのインデックス
1.列の指定したインデックス名列
サンプルコード:
import numpy as np
df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])
print(df_obj.head())
結果:
a b c d
0 -0.241678 0.621589 0.843546 -0.383105
1 -0.526918 -0.485325 1.124420 -0.653144
2 -1.074163 0.939324 -0.309822 -0.209149
3 -0.716816 1.844654 -2.123637 -1.323484
4 0.368212 -0.910324 0.064703 0.486016
[画像のダンプはチェーンが失敗し、発信局は、直接アップロード(IMG-k9JqJxrj-1579951879137)(... /画像/ DataFrameIndex.png)ダウン画像を保存することが推奨され、セキュリティチェーン機構を有していてもよいです]
2.列のインデックス
df_obj [[ 'ラベル']]
サンプルコード:
# 列索引
print(df_obj['a']) # 返回Series类型
print(df_obj[[0]]) # 返回DataFrame类型
print(type(df_obj[[0]])) # 返回DataFrame类型
結果:
0 -0.241678
1 -0.526918
2 -1.074163
3 -0.716816
4 0.368212
Name: a, dtype: float64
<class 'pandas.core.frame.DataFrame'>
3.不連続インデックス
df_obj [[ 'LABEL1'、 'LABEL2']]
サンプルコード:
# 不连续索引
print(df_obj[['a','c']])
print(df_obj[[1, 3]])
結果:
a c
0 -0.241678 0.843546
1 -0.526918 1.124420
2 -1.074163 -0.309822
3 -0.716816 -2.123637
4 0.368212 0.064703
b d
0 0.621589 -0.383105
1 -0.485325 -0.653144
2 0.939324 -0.209149
3 1.844654 -1.323484
4 -0.910324 0.486016
シニアインデックス:タグ、場所とミックス
高度なインデックスパンダは3種類あります
1. LOCタグインデックス
データフレームは、直接スライス、スライスはLOCによって行うことができません
LOCのタグ名は、当社のカスタムインデックス名でインデックスに基づいており、
サンプルコード:
# 标签索引 loc
# Series
print(ser_obj['b':'d'])
print(ser_obj.loc['b':'d'])
# DataFrame
print(df_obj['a'])
# 第一个参数索引行,第二个参数是列
print(df_obj.loc[0:2, 'a'])
結果:
b 1
c 2
d 3
dtype: int64
b 1
c 2
d 3
dtype: int64
0 -0.241678
1 -0.526918
2 -1.074163
3 -0.716816
4 0.368212
Name: a, dtype: float64
0 -0.241678
1 -0.526918
2 -1.074163
Name: a, dtype: float64
2. ILOC位置インデックス
LOCアクションと同じですが、インデックスの数に基づいて索引化され
サンプルコード:
# 整型位置索引 iloc
# Series
print(ser_obj[1:3])
print(ser_obj.iloc[1:3])
# DataFrame
print(df_obj.iloc[0:2, 0]) # 注意和df_obj.loc[0:2, 'a']的区别
結果:
b 1
c 2
dtype: int64
b 1
c 2
dtype: int64
0 -0.241678
1 -0.526918
Name: a, dtype: float64
位置インデックスラベルを混合3. IX
IXは両方とも、より包括的で、どちらかのインデックス番号を使用することができ、彼らは状況に応じて使用されるカスタムインデックスを使用することができ、
インデックス英語の両方の数字は、ので、このアプローチが推奨されていない場合は、簡単に混乱位置決めにつながります。
サンプルコード:
# 混合索引 ix
# Series
print(ser_obj.ix[1:3])
print(ser_obj.ix['b':'c'])
# DataFrame
print(df_obj.loc[0:2, 'a'])
print(df_obj.ix[0:2, 0])
結果:
b 1
c 2
dtype: int64
b 1
c 2
dtype: int64
0 -0.241678
1 -0.526918
2 -1.074163
Name: a, dtype: float64
ご注意ください
データフレームインデックス作成操作は、操作がndarrayの指標とみなすことができます
スライスインデックスタグが終了位置に含まれています