2.3-Loc 与 iLoc 索引实战解析-1765264021584.pptxVIP

Loc与iLoc索引实战解析2.3

Series的索引和切片操作通过索引和切片获取数据Series类对象与NumPy一维数组的索引用法相似，不同的是，Series类对象的索引既可以是位置索引，也可以是标签索引。如果需要获取Series类对象的单个数据，则可以通过位置索引和标签索引进行获取。importpandasaspdser_obj=pd.Series([10,20,30,40,50],index=[one,two,three,four,five])ser_obj[2]ser_obj[three]通过位置索引获取单个数据通过标签索引获取单个数据

Series的索引和切片操作通过索引和切片获取数据如果想要获取Series类对象的多个数据，则可以通过包含多个位置索引或标签索引的列表进行获取，此过程相当于利用花式索引获取一维数组元素的操作。ser_obj[[0,2,3]]通过位置索引获取多个数据ser_obj[[one,three,four]]通过标签索引获取多个数据

Series的索引和切片操作通过索引和切片获取数据布尔索引同样适用于pandas，具体用法与一维数组的布尔索引用法相同，即将Series类的对象中每个数据进行逻辑运算，只要运算结果为True，就返回Series类对象中位置为True对应的数据。ser_obj[ser_obj20]

Series的索引和切片操作通过索引和切片获取数据通过切片也可以获取Series类的对象中的部分数据。如果切片使用的索引是位置索引，则切片结果包含起始位置但不包含结束位置对应的数据；如果切片使用的索引是标签索引，则切片结果既包含起始位置又包含结束位置对应的数据。ser_obj[1:3]通过位置索引进行切片操作ser_obj[two:four]通过标签索引进行切片操作

DataFrame的索引和切片操作通过索引和切片获取数据DataFrame类对象与NumPy二维数组的索引用法相似，它里面每一列数据都是一个Series类的对象，可以通过列索引进行获取。importnumpyasnpimportpandasaspdarr=np.arange(12).reshape(3,4)df_obj=pd.DataFrame(arr,index=[row_1,row_2,row_3],columns=[col_1,col_2,col_3,col_4])df_obj[col_2]

DataFrame的索引和切片操作通过索引和切片获取数据如果想要从DataFrame类对象中获取多列数据，那么可以将多个索引存放到列表中，再分别根据列表里面的每个索引进行获取，此过程相当于利用花式索引获取二维数组元素的操作。df_obj[[col_1,col_3]]

DataFrame的索引和切片操作通过索引和切片获取数据如果想要从DataFrame类对象中获取多行数据，那么可以通过切片完成。df_obj[1:3]还可以通过切片获取部分行部分列的数据。df_obj[1:3][[col_1,col_3]]

通过loc和iloc属性获取数据掌握loc和iloc属性的基本用法，能够使用loc和iloc属性获取Series或DataFrame的数据学习目标

通过loc和iloc属性获取数据前面介绍索引和切片的相关操作时，既可以单独使用位置索引或标签索引来获取数据，也可以混合使用位置索引、标签索引进行获取，这对刚接触pandas的开发人员来说是十分混乱的。为了从严格意义上区分位置索引和标签索引的相关操作，pandas中提供了两个非常重要的属性，分别是loc和iloc，其中loc是基于标签索引的索引器，iloc是基于位置索引的索引器。

通过loc和iloc属性获取数据通过loc属性获取数据loc属性用于根据标签索引来获取数据。Series.loc[参数]DataFrame.loc[参数1,参数2]单个标签索引，比如a、No1、row_1、col_1等。标签索引构成的列表或数组，比如[a，b，c]、[col_1,col_3]等。基于标签索引的切片，比如a:c、two:four。布尔类型的列表或数组，比如[True,False,True]。※参数1和参数2中涉及的索引分别是行索引和列索引，如果省略参数2，则此时获取的结果是DataFrame类的对象的一行或多行数据。

通过loc和iloc属性获取数据通过loc属性获取数据importpandasaspdser_obj=pd.Series([10,20,30,40,50],index=[row1,row2,row3,row4,