Pandas
中的索引：pandas 中的索引意味着只需从 DataFrame 中选择特定的数据行和列。索引可能意味着选择所有行和一些列，一些行和所有列，或每行和列中的一些。索引也可以称为子集选择。
选择一些行和一些列
让我们拿一个带有一些假数据的 DataFrame，现在我们在这个 DataFrame 上执行索引。在此，我们从 DataFrame 中选择一些行和一些列。带有数据集的数据框。
假设我们要选择 columns Age，College并且Salary只选择带有标签的行Amir Johnson，Terry Rozier
我们最终的 DataFrame 看起来像这样：
选择一些行和所有列
假设我们要选择 row Amir Jhonson，Terry Rozier并选择数据框中John Holland的所有列。
我们最终的 DataFrame 如下所示：
选择一些列和所有行
假设我们要在数据框中选择包含所有行的 Age、Height 和 Salary 列。
我们最终的 DataFrame 如下所示：
Pandas 索引使用[ ], .loc[], .iloc[ ],.ix[ ]
有很多方法可以从 DataFrame 中提取元素、行和列。Pandas 中有一些索引方法有助于从 DataFrame 中获取元素。这些索引方法看起来非常相似，但行为却截然不同。Pandas 支持四种类型的多轴索引，它们是：
- 数据框。[]; 此函数也称为索引运算符
- Dataframe.loc[ ]： 此函数用于标签。
- Dataframe.iloc[ ]： 此函数用于位置或基于整数
- Dataframe.ix[]： 此函数用于基于标签和整数
它们统称为索引器。这些是迄今为止最常见的数据索引方法。这四个函数有助于从 DataFrame 中获取元素、行和列。
使用索引运算符索引数据框[]：
索引运算符用于引用对象后面的方括号。和索引器.loc还.iloc使用索引运算符进行选择。在这个索引运算符中要引用 df[]。
选择单个列
为了选择单个列，我们只需将列名放在括号之间
# importing pandas package import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过索引运算符检索列 first = data["Age"] print(first)
输出：
选择多个列
为了选择多个列，我们必须在索引运算符中传递列列表。
# importing pandas package import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过索引运算符检索多个列 first = data[["Age", "College", "Salary"]] first
输出：
使用 索引 DataFrame .loc[ ]：
此函数通过行和列的标签选择数据。 df.loc索引器以不同于索引运算符的方式选择数据。它可以选择行或列的子集。它还可以同时选择行和列的子集。
选择单行
为了使用 选择单行，我们在函数.loc[]中放置了单行标签。.loc
# importing pandas package import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 loc 方法检索行 first = data.loc["Avery Bradley"] second = data.loc["R.J. Hunter"] print(first, "\n\n\n", second)
输出：
如输出图像所示，由于两次都只有一个参数，因此返回了两个系列。
选择多行
为了选择多行，我们将所有行标签放在一个列表中并将其传递给.loc函数。
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 loc 方法检索多行 first = data.loc[["Avery Bradley", "R.J. Hunter"]] print(first)
输出：
选择两行三列
为了选择两行和三列，我们选择要选择的两行和三列，并将其放在单独的列表中，如下所示：
Dataframe.loc[["row1", "row2"], ["column1", "column2", "column3"]]
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过loc方法检索两行三列 first = data.loc[["Avery Bradley", "R.J. Hunter"], ["Team", "Number", "Position"]] print(first)
输出：
选择所有行和一些列
为了选择所有的行和一些列，我们使用单冒号 [:] 来选择我们想要选择的所有行和一些列的列表，如下所示：
Dataframe.loc[:, ["column1", "column2", "column3"]]
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 loc 方法检索所有行和某些列 first = data.loc[:, ["Team", "Number", "Position"]] print(first)
输出：
使用 索引 DataFrame .iloc[ ]：
此函数允许我们按位置检索行和列。为了做到这一点，我们需要指定我们想要的行的位置，以及我们想要的列的位置。索引器df.iloc 非常相似，df.loc 但仅使用整数位置进行选择。
选择单行
为了使用 选择单行.iloc[]，我们可以将单个整数传递给.iloc[]函数。
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 iloc 方法检索行 row2 = data.iloc[3] print(row2)
输出：
选择多行
为了选择多行，我们可以将整数列表传递给.iloc[]函数。
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 iloc 方法检索多行 row2 = data.iloc [[3, 5, 7]] row2
输出：
选择两行两列
为了选择两行和两列，我们为行创建一个包含 2 个整数的列表，为列创建一个包含 2 个整数的列表，然后传递给一个.iloc[]函数。
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过iloc方法检索两行两列 row2 = data.iloc [[3, 4], [1, 2]] print(row2)
输出：
选择所有行和一些列
为了选择所有行和一些列，我们使用单冒号 [:] 来选择所有行，对于列，我们制作一个整数列表，然后传递给一个.iloc[]函数。
import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 iloc 方法检索所有行和某些列 row2 = data.iloc [:, [1, 2]] print(row2)
输出：
使用 Dataframe.ix[ ]对 a 进行索引：
在 pandas 开发的早期，存在另一个索引器ix. 该索引器能够按标签和整数位置进行选择。虽然它是通用的，但它引起了很多混乱，因为它不明确。有时整数也可以是行或列的标签。因此，在某些情况下它是模棱两可的。通常，ix它是基于标签的，并且充当 .loc索引器。但是，.ix也支持传递整数的整数类型选择（如在 .iloc 中）。。这仅适用于 DataFrame 的索引不是基于整数的.ix情况，它将接受.loc和的任何输入.iloc。
注意 ： .ix****indexer 在最新版本的 Pandas 中已被弃用。
.ix[]使用as选择单行.loc[]
为了选择单行，我们在.ix函数中放置了单行标签。如果我们将行标签作为函数的参数传递，则此函数的行为类似于 .loc[]。
# importing pandas package import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 ix 方法检索行 first = data.ix["Avery Bradley"] print(first)
输出：
.ix[]使用as选择单行.iloc[]
为了选择单行，我们可以将一个整数传递给.ix[]函数。如果我们在函数中传递整数，则此函数类似于 iloc[].ix[]函数。
# importing pandas package import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name") # 通过 ix 方法检索行 first = data.ix[1] print(first)
输出：
DataFrame中的索引方法
