In [1]: import pandas as pd
- Titanic data
本教程使用存储为CSV的泰坦尼克号数据集。数据由以下数据列组成：
PassengerID：每个乘客的ID。
生还：表示乘客是否生还。
0是的而且1不是的。Pclass：3个票类中的一个：类
1，班级2和班级3。姓名：乘客姓名。
性别：乘客性别。
年龄：乘客的年龄，以年为单位。
SibSp：船上兄弟姐妹或配偶的数量。
Parch：船上父母或孩子的人数。
车票：旅客车票号码。
票价：标明票价。
客舱：客舱人数。
已装船：装船港。
In [2]: titanic = pd.read_csv("data/titanic.csv") In [3]: titanic.head() Out[3]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
如何选择 DataFrame ？#
如何从 DataFrame ？#
我对泰坦尼克号乘客的年龄很感兴趣。
In [4]: ages = titanic["Age"] In [5]: ages.head() Out[5]: 0 22.0 1 38.0 2 26.0 3 35.0 4 35.0 Name: Age, dtype: float64
要选择单列，请使用方括号
[]使用感兴趣的列的列名。
中的每一列 DataFrame 是一种 Series 。由于选择了单个列，因此返回的对象是Pandas Series 。我们可以通过检查输出类型来验证这一点：
In [6]: type(titanic["Age"])
Out[6]: pandas.core.series.Series
并查看一下 shape 输出的：
In [7]: titanic["Age"].shape
Out[7]: (891,)
DataFrame.shape 是一个属性(请记住 tutorial on reading and writing ，不使用括号表示属性) Series 和 DataFrame 包含行数和列数： (n行、n列) 。Pandas系列是一维的，只返回行数。
我对泰坦尼克号乘客的年龄和性别感兴趣。
In [8]: age_sex = titanic[["Age", "Sex"]] In [9]: age_sex.head() Out[9]: Age Sex 0 22.0 male 1 38.0 female 2 26.0 female 3 35.0 female 4 35.0 male
要选择多列，请使用选择括号内的列名列表
[]。
备注
内方括号定义了 Python list 使用列名，而外括号用于从Pandas中选择数据 DataFrame 如上例所示。
返回的数据类型为PandasDataFrame：
In [10]: type(titanic[["Age", "Sex"]])
Out[10]: pandas.core.frame.DataFrame
In [11]: titanic[["Age", "Sex"]].shape
Out[11]: (891, 2)
所选内容返回一个 DataFrame 891行2列。请记住，一个 DataFrame 是同时具有行维和列维的二维。
有关索引的基本信息，请参阅上的用户指南部分 indexing and selecting data 。
如何从 DataFrame ？#
我对35岁以上的乘客感兴趣。
In [12]: above_35 = titanic[titanic["Age"] > 35] In [13]: above_35.head() Out[13]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 6 7 0 1 McCarthy, Mr. Timothy J male 54.0 0 0 17463 51.8625 E46 S 11 12 1 1 Bonnell, Miss. Elizabeth female 58.0 0 0 113783 26.5500 C103 S 13 14 0 3 Andersson, Mr. Anders Johan male 39.0 1 5 347082 31.2750 NaN S 15 16 1 2 Hewlett, Mrs. (Mary D Kingcome) female 55.0 0 0 248706 16.0000 NaN S
要基于条件表达式选择行，请在选择括号内使用条件
[]。
选择方括号内的条件 titanic["Age"] > 35 检查哪些行是 Age 列具有大于35的值：
In [14]: titanic["Age"] > 35
Out[14]:
0 False
1 True
2 False
3 False
4 False
...
886 False
887 False
888 False
889 False
890 False
Name: Age, Length: 891, dtype: bool
条件表达式的输出 (> ，但也 == ， != ， < ， <= ，…工作)实际上是一只Pandas Series 布尔值(或 True 或 False )，行数与原始文件相同 DataFrame 。这样的一个 Series 的布尔值可以用于筛选 DataFrame 通过将其放在选择括号之间 [] 。仅值为的行 True 将被选中。
我们从以前就知道，最初的泰坦尼克号 DataFrame 由891行组成。让我们检查一下满足条件的行数 shape 属性的结果。 DataFrame above_35 ：
In [15]: above_35.shape
Out[15]: (217, 12)
我对2舱和3舱的泰坦尼克号乘客感兴趣。
In [16]: class_23 = titanic[titanic["Pclass"].isin([2, 3])] In [17]: class_23.head() Out[17]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S 5 6 0 3 Moran, Mr. James male NaN 0 0 330877 8.4583 NaN Q 7 8 0 3 Palsson, Master. Gosta Leonard male 2.0 3 1 349909 21.0750 NaN S
与条件表达式类似，
isin()条件函数返回一个True每一行的值都在提供的列表中。要根据这样的函数筛选行，请在选择方括号内使用条件函数[]。在本例中，选择方括号内的条件titanic["Pclass"].isin([2, 3])检查哪些行是Pclass列为2或3。
上面的操作等同于按类为2或3的行进行筛选，并将这两个语句与 | (或)运算符：
In [18]: class_23 = titanic[(titanic["Pclass"] == 2) | (titanic["Pclass"] == 3)]
In [19]: class_23.head()
Out[19]:
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S
2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
5 6 0 3 Moran, Mr. James male NaN 0 0 330877 8.4583 NaN Q
7 8 0 3 Palsson, Master. Gosta Leonard male 2.0 3 1 349909 21.0750 NaN S
备注
组合多个条件语句时，每个条件都必须用括号括起来 (). Moreover, you can not use or/and 但需要使用 or 操作员 | 以及 and 操作员 & 。
请参阅用户指南中有关以下内容的专用部分 boolean indexing 或者是关于 isin function 。
我想使用已知年龄的乘客数据。
In [20]: age_no_na = titanic[titanic["Age"].notna()] In [21]: age_no_na.head() Out[21]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
这个
notna()条件函数返回一个True对于每一行，值不是Null价值。因此，可以将其与选择括号结合使用[]要筛选数据表，请执行以下操作。
您可能想知道实际发生了什么变化，因为前5行仍然是相同的值。验证的一种方法是检查形状是否已更改：
In [22]: age_no_na.shape
Out[22]: (714, 12)
有关缺失值的更多专用函数，请参阅用户指南部分 handling missing data 。
属性中选择特定行和列。 DataFrame ？#
我对35岁以上乘客的姓名感兴趣。
In [23]: adult_names = titanic.loc[titanic["Age"] > 35, "Name"] In [24]: adult_names.head() Out[24]: 1 Cumings, Mrs. John Bradley (Florence Briggs Th... 6 McCarthy, Mr. Timothy J 11 Bonnell, Miss. Elizabeth 13 Andersson, Mr. Anders Johan 15 Hewlett, Mrs. (Mary D Kingcome) Name: Name, dtype: object
在这种情况下，行和列的子集是一次性生成的，并且只使用选择括号
[]is not sufficient anymore. Theloc/iloc选择括号前面需要有运算符[]. When usingloc/iloc，逗号之前的部分是您想要的行，逗号之后的部分是您要选择的列。
使用列名、行标签或条件表达式时，请使用 loc 选择括号前的运算符 [] 。对于逗号之前和之后的部分，都可以使用单个标签、标签列表、标签片段、条件表达式或冒号。使用冒号指定要选择所有行或列。
我对第10行到第25行和第3到第5列感兴趣。
In [25]: titanic.iloc[9:25, 2:5] Out[25]: Pclass Name Sex 9 2 Nasser, Mrs. Nicholas (Adele Achem) female 10 3 Sandstrom, Miss. Marguerite Rut female 11 1 Bonnell, Miss. Elizabeth female 12 3 Saundercock, Mr. William Henry male 13 3 Andersson, Mr. Anders Johan male .. ... ... ... 20 2 Fynney, Mr. Joseph J male 21 2 Beesley, Mr. Lawrence male 22 3 McGowan, Miss. Anna "Annie" female 23 1 Sloper, Mr. William Thompson male 24 3 Palsson, Miss. Torborg Danira female [16 rows x 3 columns]
同样，行和列的子集是一气呵成的，只需使用选择括号
[]已经不够了。当根据表中的位置对某些行和/或列特别感兴趣时，使用iloc选择括号前的运算符[]。
使用选择特定行和/或列时 loc 或 iloc ，可以将新值分配给所选数据。例如，将名称分配给 anonymous 至第三栏的前3个元素：
In [26]: titanic.iloc[0:3, 3] = "anonymous"
In [27]: titanic.head()
Out[27]:
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 anonymous male 22.0 1 0 A/5 21171 7.2500 NaN S
1 2 1 1 anonymous female 38.0 1 0 PC 17599 71.2833 C85 C
2 3 1 3 anonymous female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S
3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
请参阅上的用户指南部分 different choices for indexing 要更深入地了解 loc 和 iloc 。
REMEMBER
选择数据子集时，方括号
[]都是用过的。在这些方括号中，您可以使用单个列/行标签、列/行标签列表、标签切片、条件表达式或冒号。
使用选择特定行和/或列
loc使用行名和列名时。使用选择特定行和/或列
iloc当使用表格中的位置时。您可以根据以下内容为所选内容分配新值
loc/iloc。
上的用户指南页面中提供了索引的完整概述 indexing and selecting data 。