【python-数据分析】pandas数据提取

import pandas as pd

1. 直接索引

df = pd.DataFrame({'AdmissionDate': ['2021-01-25','2021-01-22','2021-01-20',

                        '2021-01-18','2021-01-17','2021-01-17','2021-01-21'],

                     'StudentID': [7,1,3,2,6,3,4],

                     'Name': ['Jack','Shyam','Mohan','Janne','Lucky','Abhinav','Danny'],

                     'Stream':['CSE','ECE','Civil','Mechanical','CSE','IT','EEE']

                   })
df.set_index("Name",inplace=True)

# 选取某一列或者某几列
print(df["AdmissionDate"])
print(df[["AdmissionDate","StudentID"]])  # 选取多列时，多个列要放到一个list中

Name
Jack       2021-01-25
Shyam      2021-01-22
Mohan      2021-01-20
Janne      2021-01-18
Lucky      2021-01-17
Abhinav    2021-01-17
Danny      2021-01-21
Name: AdmissionDate, dtype: object
        AdmissionDate  StudentID
Name                            
Jack       2021-01-25          7
Shyam      2021-01-22          1
Mohan      2021-01-20          3
Janne      2021-01-18          2
Lucky      2021-01-17          6
Abhinav    2021-01-17          3
Danny      2021-01-21          4

# 按行编号选取连续的行
df[1:3]  # df[start:end], [start,end)闭开区间

# 按行时间索引选取连续的行
df["AdmissionDate"] = pd.to_datetime(df["AdmissionDate"])
df.set_index("AdmissionDate",inplace=True)

# df["2021-01-01":"2021-01-20"]  # 将被弃用
df.sort_index().loc["2021-01-01":"2021-01-20",:]  # 推荐写法

2. 布尔索引

df = pd.DataFrame({'AdmissionDate': ['2021-01-25','2021-01-22','2021-01-20',

                        '2021-01-18','2021-01-17','2021-01-17','2021-01-21'],

                     'StudentID': [7,1,3,2,6,3,4],

                     'Name': ['Jack','Shyam','Mohan','Janne','Lucky','Abhinav','Danny'],

                     'Stream':['CSE','ECE','Civil','Mechanical','CSE','IT','EEE']

                   })
df["AdmissionDate"] = pd.to_datetime(df["AdmissionDate"])
df.set_index("Name",inplace=True)
df

# 选取满足某一条件的行
df[df["StudentID"]==2]

# 选取满足多个条件的行
# 注意：索引列表中，可以使用& |操作符，但不能使用and or not等关键字
from datetime import datetime
df[(df["StudentID"]>=3) & (df["AdmissionDate"]>="2021-01-20")]  # 注意：索引列表中，各布尔条件必须用圆括号扩起来

2021-01-20 00:00:00

df[(df["StudentID"]>=3) | (df["AdmissionDate"]>="2021-01-20")]

3. 索引器索引

Dataframe的loc和iloc属性

• loc属性：
  • 以列名和行名作为参数，当只有一个参数时，默认是行名，即抽取整行数据，包括所有列
• iloc属性：
  • 以行和列位置索引，作为参数。当只有一个参数时，默认是行索引，即抽取整行数据，包括所有列

df = pd.DataFrame({'AdmissionDate': ['2021-01-25','2021-01-22','2021-01-20',

                        '2021-01-18','2021-01-17','2021-01-17','2021-01-21'],

                     'StudentID': [7,1,3,2,6,3,4],

                     'Name': ['Jack','Shyam','Mohan','Janne','Lucky','Abhinav','Danny'],

                     'Stream':['CSE','ECE','Civil','Mechanical','CSE','IT','EEE']

                   })
df["AdmissionDate"] = pd.to_datetime(df["AdmissionDate"])
df.set_index("Name",inplace=True)
df

3.1 loc索引器

# 选取一行, loc["行索引名称"]
df.loc["Jack"]

AdmissionDate    2021-01-25 00:00:00
StudentID                          7
Stream                           CSE
Name: Jack, dtype: object

# df.loc[['行1,行2'],['列1,列2']]：选取行列组合
df.loc[["Jack","Janne"],["StudentID","Stream"]]

# df.loc[(df['列']>条件)]：按条件选取列满足一定条件的行。
df.loc[df["StudentID"]>=2,["Stream","AdmissionDate"]]

# df.loc[行1:行2,列1:列2]：按列名选取连续的列。冒号前后留空代表开口。
df.loc["Jack":"Janne","AdmissionDate":"StudentID"]

3.2 iloc索引器

iloc索引器与loc索引器的使用几乎相同，唯一不同的是，iloc索引器中只能使用原始索引，不能使用自定义索引。
注意：原始索引初值从0开始，切片前闭后开。自定义索引切片为闭区间

df.iloc[1:3,1:2]

带步长的索引
df.iloc[::2]