在利用pandas處理資料時loc、iloc、ix對資料的操作很頻繁，所以這裡簡單的介紹一下它們之間的區別和各自的使用。
pandas的索引可歸納為3種
.loc，標籤索引 （location）
.iloc，位置索引 （int-localtion）
.ix，標籤與位置混合索引
對於ix先按標籤索引嘗試操作，然後再按照位置索引嘗試操作
注意dataframe索引時可將其看作ndarray操作
標籤的切片索引是包含末尾位置的
data = pd.dataframe()a b
0 6 a
1 7 b
2 7 a
3 4 c
4 3 d
in [5]: data['a']
out[5]:
0 6
1 7
2 7
3 4
4 3
name: a, dtype: int32
in [8]: data[0:2]
out[8]:
a b
0 6 a
1 7 b
in [6]: data.loc[0:2,'a']
out[6]:
0 6
1 7
2 7
in [10]: data.iloc[1:3]
out[10]:
a b
1 7 b
2 7 a
如果我們使用loc標籤索引來選擇不存在的行標籤會怎麼樣？
in [11]: data2 = pd.dataframe(,index=list('abcde'))
in [12]: data2
out[12]:
x y
a 5 1
b 4 2
c 3 3
d 2 4
e 1 5
data2.loc[1:3]typeerror: cannot do slice indexing on with these indexers [1] of同樣再使用iloc會如何：
in [13]: data2.iloc[1:3]
out[13]:
x y
b 4 2
c 3 3
in [15]: data2.ix[1:3]
out[15]:
x y
b 4 2
c 3 3
in [16]: data2.ix['b':'c']
out[16]:
x y
b 4 2
c 3 3
好了以上就是loc、iloc以及ix的簡單使用和區別。
利用它們我們還可以在對行選擇的同時對列進行選擇，達到對資料的篩選目的.。
in [18]: data.loc[1:3,'a']
out[18]:
1 7
2 7
3 4
name: a, dtype: int32
df.loc[df['gender'] == 'male', 'label'] = 0
表示增加'label'列，且當df的'gender'為'male'時，其值賦為0。這在資料分析中將某些列轉換為數值型的常用處理。
pandas中DataFrame mean函式用法
mean 平均數 pandas中的df.mean 函式預設是等價於df.mean 0 即按軸方向求平均，得到每列資料的平均值。相反的df.mean 1 則代表按行方向求平均，得到每行資料的平均值。舉例 我們 首先匯入pandas包 import pandas as pd建立矩陣 首先使用預設方法 會...
Pandas中的分類
一 分類變數的結構 乙個分類變數包括三個部分，元素值 values 分類類別 categories 是否有序 order 從上面可以看出，使用cut函式建立的分類變數預設為有序分類變數 一 獲取分類屬性 a describe方法 該方法描述了乙個分類序列的情況，包括非缺失值個數 元素值類別數 不是分...
Pandas中resample方法詳解
pandas中的resample，重新取樣，是對原樣本重新處理的乙個方法，是乙個對常規時間序列資料重新取樣和頻率轉換的便捷的方法。方法的格式是 dataframe.resample rule how none axis 0 fill method none closed none label non...