如何在 Python Pandas 中使用索引标签选择数据子集?
简介
Pandas 具有双重选择功能，可以使用索引位置或使用索引标签选择数据子集。在这篇文章中，我将向您展示如何使用索引标签"使用索引标签选择数据子集"。
请记住，Python 字典和列表是内置数据结构，它们使用索引标签或按索引位置选择数据。字典的键必须是字符串、整数或元组，而列表必须使用整数(位置)或切片对象进行选择。
Pandas 具有 .loc 和 .iloc 属性，可用于以自己独特的方式执行索引操作。)。使用 .iloc 属性，pandas 仅按位置选择，其工作方式与 Python 列表类似。 .loc 属性仅按索引标签进行选择，这与 Python 字典的工作方式类似。
使用 .loc[] 的索引标签选择数据子集
loc 和 iloc 属性在 Series 和 DataFrame 上都可用
1. 导入电影数据集，标题作为索引。
import pandas as pd
movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv",
index_col="title",
usecols=["title","budget","vote_average","vote_count"])
我始终建议对索引进行排序，尤其是当索引由以下内容组成时字符串。如果您在索引已排序的情况下处理大量数据集，您会注意到差异。
movies.sort_index(inplace = True) movies.head(3)
budget vote_average vote_count
title
___________________________________
#Horror 1500000 3.3 52
(500) Days of Summer 7500000 7.2 2904
10 Cloverfield Lane 15000000 6.8 2468
我使用 sort_index 和"inplace = True"参数对索引进行了排序。
1. loc 方法语法的一个有趣之处在于它不使用括号()，而是使用方括号[]。我认为(可能是错的)这是因为他们想要一致性，即您可以在 Series 上使用 [] 来提取行，而将其应用于 Dataframe 将获取列。
# extract "Spider-Man 3" ( I'm not a big fan of spidy) movies.loc["Spider-Man 3"]
budget 258000000.0 vote_average 5.9 vote_count 3576.0 Name: Spider-Man 3, dtype: float64
1. 使用切片提取多个值。我要提取我还没看过的电影。因为这是一个字符串标签，所以我们将获取搜索条件的所有数据，包括"阿凡达"。
请记住 - 如果您使用 Python 列表，则最后一个值被排除在外，但由于我们使用的是字符串，因此它是包含在内的。
movies.loc["Alien":"Avatar"]
budget vote_average vote_count title Alien 11000000 7.9 4470 Alien Zone 0 4.0 3 Alien: Resurrection 70000000 5.9 1365 Aliens 18500000 7.7 3220 Aliens in the Attic 45000000 5.3 244 ... ... ... ... Australia 130000000 6.3 694 Auto Focus 7000000 6.1 56 Automata 7000000 5.6 670 Autumn in New York 65000000 5.7 135 Avatar 237000000 7.2 11800
167 行 × 3 列
1. 我可以获取任意两部或多部不相邻的随机电影吗?当然可以，但您需要付出更多努力才能传递所需的电影列表。
我的意思是您需要在方括号内添加方括号。
movies.loc[["Avatar","Avengers: Age of Ultron"]]
budget vote_average vote_count title Avatar 237000000 7.2 11800 Avengers: Age of Ultron 280000000 7.3 6767
6. 我可以更改选择顺序吗?当然，您可以通过按顺序指定所需的标签列表来帮助自己。
虽然指定要提取的标签列表看起来很酷，但您知道如果拼写错误会发生什么吗?Pandas 会为拼写错误的标签保留缺失值 (NaN)。但那些日子已经一去不复返了，随着最新更新，它会引发异常。
movies.loc[["Avengers: Age of Ultron","Avatar","When is Avengers next movie?"]]
---------------------------------------------------------------------------
KeyError
Traceback (most recent call last)
<ipython-input-6-ebe975264840> in <module>
----> 1 movies.loc[["Avengers: Age of Ultron","Avatar","When is Avengers next movie?"]]
~\anaconda3\lib\site-packages\pandas\core\indexing.py in
__getitem__
(self, key)
1766
1767 maybe_callable = com.apply_if_callable(
key,self.obj)
-> 1768
return self._getitem_axis(maybe_callable,axis = axis)
1769
1770 def_is_scalar_access(self,key:Tuple):
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_getitem_axis
(self, key, axis)
1952 raiseValueError("Cannot index with multidimensional key")
1953
-> 1954 return self._getitem_iterable(key,
axis=axis)
1955
1956 # nested tuple slicing
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in_getitem_iterable(self, key, axis)
1593 else:
1594 # A collection of keys
-> 1595 keyarr,indexer=self._get_listlike_indexer(key,axis,raise_missing=False)
1596 return self.obj._reindex_with_indexers(
1597 {axis:[keyarr,indexer]},copy=True,allow_dups=True
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_get_listlike_indexer(self, key, axis, raise_missing)
1550 keyarr,indexer,new_indexer=ax._reindex_non_unique
(keyarr)
1551
-> 1552 self._validate_read_indexer(
1553 keyarr,indexer,o._get_axis_number
(axis),raise_missing=raise_missing
1554 )
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_validate_read_indexer
(self, key, indexer, axis, raise_missing)
1652 # just raising
1653 ifnot(ax.is_categorical()orax.is_interval()
)
:
-> 1654 raise KeyError(
1655 "Passing list-likes to .loc or [] with any missing labels "
1656 "is no longer supported, see "
KeyError: '将缺少任何标签的 list-likes 传递给 .loc 或 [] 不再受支持，请参阅 https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike'
一种处理方法是直接检查索引中的值。
"When is Avengers next movie?"in movies.index
输出
False
如果您想忽略错误并继续，您可以使用以下方法
movies.query("title in ('Avatar','When is Avengers next Movie?')")
budget vote_average vote_count title Avatar 237000000 7.2 11800
