基於pandas索引的數據查找、排序和去重小結

由於Pandas的索引比較復雜，常常在使用過程中容易搞混，所以整理一份關於索引的查找、排序、去重的總結文檔。

import pandas as pd
import numpy as np

#定義DataFrame
dict={'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]}
df=pd.DataFrame(dict,index=['one','two','three'])
df

	a	b	c
one	1	4	7
two	2	5	8
three	3	6	9

1.Series通過索引查找

可用Index ,也可用數字下標

s1=df['b']
s1['two']
s1[['two','one']]  # 用數組列出離散的標簽，要用[ ]括起來
s1['two':'three']  # 標簽切片
s1[0:2]            # 標號切片的右區間是開的

2.DataFrame通過索引查找

(1) 直接通過列索引取列

df['b']
df[['b','c']]  # 用數組列出離散的標簽，要用[ ]括起來

(2) .loc 通過標簽索引數據

• 先寫行標簽，后寫列標簽
• 列舉多個列，要用數組，用[ ]括起來
• 列舉切片，則無需用[ ]括起來。注意標簽切片的右括號是閉合的

df.loc[['two','one']]   #索引多行，行名用數組
df.loc['two':'three']   #索引多行，行名用切片
df.loc[:,['b','a']] #索引某行多列，列名用數組
df.loc[:,'b':'a']   #索引某行多列，列名用切片

(3) .iloc 通過通過標號獲取數據

• 先寫行號，再寫列號
• 可用單值，也可用切片，注意：標號切片的右括號是開區間的

df.iloc[1:3,1:3]

3.索引和列之間的轉換

(1) 列-->索引

• inplace參數可以定義是否覆蓋原數據

df.set_index('a', inplace=True)  # inplace=True 會在原變量直接改，沒有返回值
df

df1=df.set_index('a', inplace=False)  # inplace=False則有返回值(默認),原變量不變
df1

(2) 索引-->列

• 索引變成列會排在DataFrame的第一列

df.reset_index(inplace=True) 
df

4.利用索引進行排序

• 通過索引排列，升序排列、不覆蓋原數據、如有缺失值則放在前面

df.sort_index(ascending=True, inplace=False, na_position='first')

5.根據索引進行數據去重

• keep='first' or 'last'，可以選擇保留第一條或最后一條

df=df[~df.index.duplicated(keep='first')]