【pandas基础】--数据检索

ゞ浴缸里的玫瑰 2024-03-16 21:56 56阅读 0赞

##  ##

`pandas`的数据检索功能是其最基础也是最重要的功能之一。

`pandas`中最常用的几种数据过滤方式如下：

1.  行列过滤：选取指定的行或者列
2.  条件过滤：对列的数据设置过滤条件
3.  函数过滤：通过函数设置更加复杂的过滤条件

本篇所有示例所使用的测试数据如下：

import pandas as pd
    import numpy as np
    
    fp = "http://databook.top:8888/pandas/cn-people.csv"
    df = pd.read_csv(fp)
    df

![25d2dcf9745ba5ef75a5167ff97ba47b.png][]

## 1. 行列过滤 ##

`pandas`中最常用的按行或者按列选择数据的函数是 `loc` 和 `iloc`。

### 1.1 loc 函数 ###

`loc`函数通过标签索引选择行列数据，可以在一个语句中同时指定行和列的条件。  
按范围选取行：

df.loc([1:5, :])

![09ad4973f19cb753f9454ef875016e01.png][]

选取指定的行：

df.loc[[1, 5], :]

![bed70dc72419bb150b08f207d394b40f.png][]

按范围选取列：

df.loc[:, "年份":"指标中文"]

![f09bf7cfbe7fc6635a523e188641c85f.png][]

选取指定的列：

df.loc[:, ["年份","指标中文"]]

![712af0aa3732dd0e2185dc5432744565.png][]

行和列也可以同时设置：

df.loc[1:3, ["年份","指标中文"]]

![eacf24089bc29db4b1092f0f1ee376eb.png][]

### 1.2 iloc 函数 ###

`iloc`函数通过整数位置索引选择行列数据。  
这种方法与loc方法类似，但是它使用整数位置而不是标签。

按范围选择行：

df.iloc([1:5, :])

![5222ca7b67bec12e621e3b3d13f7b9c5.png][]

注意这里可以看出`iloc`和`loc`的区别，同样的范围`[1:5]`，  
`iloc`**不包括**`index=5`的数据，而`loc`是**包括**`index=5`的数据。

选择指定的行：

df.iloc[[1, 5], :]

![bf06dcd7637c4f3b065446875c9e3dcc.png][]

这种选择方式下，`iloc`和`loc`函数返回的结果是一样的。

按范围选择列：

df.iloc[:, 0:3]

![d20180d186e797f3c31d5dddc29f28f2.png][]

注意，这里是 `iloc`和`loc`的另一个区别，  
`iloc`只能用**数字序列**来表示列的范围（第一列对应数字0），  
回顾之前的`loc`函数，我们可以用列名来表示范围的`df.loc[:, "年份":"指标中文"]`。

另外，`iloc`表示列的范围`0:3`表示是`0,1,2`三列，不包括`3`这一列。

选择指定的列：

df.iloc[:, [0, 2]]

![828b1594695980fb5e61508ba7af1e00.png][]

同`loc`一样，`iloc`也可以行和列同时设置：

df.iloc[1:5, [0, 2]]

![967ffce91ba962531a91d1b603d2fbd2.png][]

## 2. 条件过滤 ##

行列过滤的方式是基于索引和列名称来过滤的，除此之外，还可以根据列的值来过滤。  
这也是分析时常用的过滤方式。

### 2.1 单条件 ###

根据列的值来过滤，列的值是数值还是字符串都可以。

df[df["年份"] > 2020]

![93be3d52d2ca56e32543d0988bbbf21a.png][]

字符串的过滤方式：

df[df["指标中文"].str.contains("乡村")].head()

![4a2a0948a38f769c87b60ffddd24e044.png][]

### 2.2 多条件 ###

除了设置单独的条件之外，也支持通过逻辑符号`&`和`|`来设置多个条件。

df[(df["年份"] > 2020) & (df["指标中文"].str.contains("乡村"))]

![a37347f42030db4fa7bad42152413a94.png][]

必须同时满足`年份>2021`和`指标中文包含乡村`两个条件的数据，只有1条。

df[(df["年份"] > 2020) | (df["指标中文"].str.contains("乡村"))].head(6)

![a35cdb4102ddd7af9c149ad387280de2.png][]

只要满足`年份>2021`和`指标中文包含乡村`两个条件之一的数据。

## 3. 函数过滤 ##

`pandas`中还有两种通过函数来过滤和转换数据的方式，这种方式可以将自定义的函数应用到数据之上。  
这样就提供了相当灵活的数据操作方式。

### 3.1 apply ###

针对`DataFrame`某一列数据的`apply`。  
比如下面的示例增加一列，其值是将`value`列的数据放大10倍：

df["value10倍"] = df["value"].apply(lambda x: x*10)
    df

![b14c8e91c0ea3f9be81f3c75a776f7ea.png][]

### 3.2 map ###

针对`DataFrame`某一列数据的`map`。  
比如下面的示例增加一列，其值是设置**指标中文**的缩写。

df["指标缩写"] = df["指标中文"].map({"年末总人口": "总人口", "乡村人口": "乡村"})
    df

![5bf6e898fb5f3a6c3469f0be5ca23ed9.png][]

## 4. 总结回顾 ##

本篇主要介绍了`pandas`数据检索的常用方式，数据检索是做分析时最常用的步骤。  
通过数据过滤方法，快速确定用于分析的数据范围，剥离无用的数据，提高分析的效率。

数据检索方式由易到难分别为：

1.  行列过滤，`loc`和`iloc`
2.  条件过滤，单条件和多条件过滤
3.  函数过滤，自定义函数灵活的调整已有列的数据

[25d2dcf9745ba5ef75a5167ff97ba47b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/17111ac5dc1d40d1890ef33f7a747de9.png
[09ad4973f19cb753f9454ef875016e01.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9154cd8842294b32bb9acceee0adde04.png
[bed70dc72419bb150b08f207d394b40f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/fb8cb611803746bb855a8608dc3076d2.png
[f09bf7cfbe7fc6635a523e188641c85f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/ca10b2bc72f7416fbef8c1fbce7fb82e.png
[712af0aa3732dd0e2185dc5432744565.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/13f2c494f4e04cb18b8bfafde02044fb.png
[eacf24089bc29db4b1092f0f1ee376eb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/788cd0a9a9424d409ee169206aafd178.png
[5222ca7b67bec12e621e3b3d13f7b9c5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/4b0fd55c0aff412d80643f2d74f8c421.png
[bf06dcd7637c4f3b065446875c9e3dcc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e7bea4dafbbf473d9270c10aa8cb6805.png
[d20180d186e797f3c31d5dddc29f28f2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/ba3109dbd17d4dc9898705dd8bf81f18.png
[828b1594695980fb5e61508ba7af1e00.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/1e3aaa3e11b74a5baeab60576f04bd5a.png
[967ffce91ba962531a91d1b603d2fbd2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/4ff97d2e7a154d0788cd4544791d6b59.png
[93be3d52d2ca56e32543d0988bbbf21a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9f1a7e3c99f649c7870399bff312ccd5.png
[4a2a0948a38f769c87b60ffddd24e044.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a4a6e0cb7c0f41a6b55f4b2bb0115381.png
[a37347f42030db4fa7bad42152413a94.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/eaa0460559eb42e48e3853a988bbb730.png
[a35cdb4102ddd7af9c149ad387280de2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/325808bd04c943989afb13f2db579a0a.png
[b14c8e91c0ea3f9be81f3c75a776f7ea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/c48188efcfb64bb7945b3a6a101eb013.png
[5bf6e898fb5f3a6c3469f0be5ca23ed9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/0f422254741d4f5880970501c6939d0e.png