#取單列
df.['列名']
df.列名
#取多列
df[['列名','列名']]
s = pd.series([1, 2, 3, 4, 5, 6],
index=['a', 'b', 'a', 'a', 'a', 'c'])
#單列索引
s['a']
#多列索引
s[['c', 'b']]
#取出某兩個索引之間的元素
s['c','b':-2]
s = pd.series(['a', 'b', 'c', 'd', 'e', 'f'],
index=[1, 3, 1, 2, 5, 4])
s[1]
s[[2,3]]
#整數切片,不包含左右端點
s[1:-1:2]
loc索引器的一般形式是loc[*, *]，其中第乙個*代表行的選擇，第二個*代表列的選擇，如果省略第二個位置寫作loc[*]，這個*是指行的篩選。其中，*的位置一共有五類合法物件，分別是：單個元素、元素列表、元素切片、布林列表以及函式
先利用set_index方法把name列設為索引
df_demo = df.set_index('name')
df_demo.loc['qiang sun']
df_demo.loc['qiang sun', 'school'] # 返回series
series使用字串索引時提到，如果是唯一值的起點和終點字元，那麼就可以使用切片，並且包含兩個端點
df_demo.loc['gaojuan you':'gaoqiang qian', 'school':'gender']dataframe使用整數索引，其使用整數切片的時候和上面字串索引的要求一致，都是 元素 切片，包含端點且起點、終點不允許有重複值。
df_loc_slice_demo = df_demo.copy()
#設定索引值為行標的倒敘
df_loc_slice_demo.index = range(df_demo.shape[0],0,-1)
df_loc_slice_demo.loc[5:3]
df_loc_slice_demo.loc[3:5] # 沒有返回，說明不是整數字置切片
例如，選出體重超過70kg的學生：
df_demo.loc[df_demo.weight>70].head()isin方法返回的布林列表等價寫出
df_demo.loc[df_demo.grade.isin(['freshman', 'senior'])].head()|（或）, &（且）, ~（取反）的組合來實現
例如選出復旦大學中體重超過70kg的大四學生，或者北大男生中體重超過80kg的非大四的學生：
condition_1_1 = df_demo.school == 'fudan university'
condition_1_2 = df_demo.grade == 'senior'
condition_1_3 = df_demo.weight > 70
condition_1 = condition_1_1 & condition_1_2 & condition_1_3
condition_2_1 = df_demo.school == 'peking university'
condition_2_2 = df_demo.grade == 'senior'
condition_2_3 = df_demo.weight > 80
condition_2 = condition_2_1 & (~condition_2_2) & condition_2_3
df_demo.loc[condition_1 | condition_2]
def condition(x):
condition_1_1 = x.school == 'fudan university'
condition_1_2 = x.grade == 'senior'
condition_1_3 = x.weight > 70
condition_1 = condition_1_1 & condition_1_2 & condition_1_3
condition_2_1 = x.school == 'peking university'
condition_2_2 = x.grade == 'senior'
condition_2_3 = x.weight > 80
condition_2 = condition_2_1 & (~condition_2_2) & condition_2_3
result = condition_1 | condition_2
return result
df_demo.loc[condition]
lambda表示式
df_demo.loc[lambda x:'quan zhao', lambda x:'gender']start: end: step的切片形式，故返回切片時要用slice物件進行包裝
df_demo.loc[lambda x: slice('gaojuan you', 'gaoqiang qian')]df_demo.iloc[1, 1]
df_demo.iloc[[0, 1], [0, 1]]
df_demo.iloc[1: 4, 2:4]
df_demo.iloc[lambda x: slice(1, 4)]
series而必須傳入序列的values
df_demo.iloc[(df_demo.weight>80).values].head()df_demo.school.iloc[1]
df_demo.school.iloc[1:5:2]
pandas中，支援把字串形式的查詢表示式傳入query方法來查詢資料，其表示式的執行結果必須返回布林列表。在進行複雜索引時，由於這種檢索方式無需像普通方法一樣重複使用dataframe的名字來引用列名，一般而言會使**長度在不降低可讀性的前提下有所減少。
df.query('((school == "fudan university")&'
' (grade == "senior")&'
' (weight > 70))|'
'((school == "peking university")&'
' (grade != "senior")&'
' (weight > 80))')
query表示式中，幫使用者註冊了所有來自dataframe的列名
df.query('weight > weight.mean()').head()query中還註冊了若干英語的字面用法
df.query('(grade not in ["freshman", "sophomore"]) and'
'(gender == "male")').head()
==和!=
df.query('grade == ["junior", "senior"]').head()query中的字串，如果要引用外部變數，只需在變數名前加@符號
low, high =70, 80
df.query('weight.between(@low, @high)').head()
sample函式中的主要引數為n, axis, frac, replace, weights，前三個分別是指抽樣數量、抽樣的方向（0為行、1為列）和抽樣比例（0.3則為從總體中抽出30%的樣本）。
replace和weights分別是指是否放回和每個樣本的抽樣相對概率，當replace = true則表示有放回抽樣。例如，對下面構造的df_sample以value值的相對大小為抽樣概率進行有放回抽樣，抽樣數量為3。
df_sample = pd.dataframe()
df_sample.sample(3, replace = true, weights = df_sample.value)
pandas索引物件
python for data analysis index物件是不可修改的 immutable 這樣才能使index物件在多個資料結構之間安全共享。in 1 import pandas as pd in 2 from pandas import series,dataframe in 3 impo...
pandas 索引切片
ser1 pd.series range 10,15 index list abcde print ser1 普通索引 print ser1 a print ser1 0 print 注意通過自定義索引的左閉右閉的，用預設索引 下標 是左閉右開的 print ser1 a c print ser1 ...
Pandas整數索引
在pandas上使用整數索引容易產生歧義，因為它和在列表 元組內構建資料結構進行索引有一點不同。1.整數索引 如下 ser pd.series np.arange 3.ser 1 返回的結果為 traceback most recent call last file g soft anaconda ...