如何使用索引标签选择数据子集?
Pandas 具有双重选择功能，可以使用索引位置或索引标签选择数据子集。在本文中，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，它们可以使用索引标签或索引位置选择数据。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，它们以其独特的方式执行索引操作。使用 .iloc 属性，Pandas 仅按位置选择，其工作方式类似于 Python 列表。 .loc 属性仅通过索引标签进行选择，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 上均可用
导入电影数据集，并以标题作为索引。
import pandas as pd movies = pd.read_csv( "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，尤其是在索引由字符串组成的情况下。如果您处理的是海量数据集，那么在索引排序后，您会注意到其中的区别。
输入
movies.sort_index(inplace = True) movies.head(3)
输出
| title | budget | vote_average | vote_count |
|---|---|---|---|
| (500) Days of Summer | 7500000 | 7.2 | 2904 |
| 10 Cloverfield Lane | 15000000 | 6.8 | 2468 |
| 10 Days in a Madhouse | 1200000 | 4.3 | 5 |
我已使用 sort_index 和"inplace = True"参数对索引进行了排序。
loc 方法的语法中有一个有趣的地方:它不使用括号 ()，而是使用方括号 []。我认为(也可能是错误的)这是因为他们想要保持一致性，例如，在 Series 上使用 [] 可以提取行，而在 Dataframe 上应用则会提取列。
输入
# extract "Spider-Man 3" ( I'm not a big fan of spidy) movies.loc["Spider-Man 3"]
输出
budget 258000000.0 vote_average 5.9 vote_count 3576.0 Name: Spider-Man 3, dtype: float64
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，所以我们将获取符合搜索条件的所有数据，包括"阿凡达"。
记住，如果使用 Python 列表，最后一个值会被排除在外，但由于我们处理的是字符串，所以它包含所有值。
movies.loc["Alien":"Avatar" ]
| title | budget | vote_average | vote_count |
|---|---|---|---|
| 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 rows × 3 columns
我可以获取任意两部或两部以上不相邻的随机影片吗?当然可以，但你需要花更多精力来传递你需要的影片列表。
我的意思是你需要在方括号内加上方括号。
输入
movies.loc[["Avatar", "Avengers: Age of Ultron"]]
| title | budget | vote_average | vote_count |
|---|---|---|---|
| Avatar | 237000000 | 7.2 | 11800 |
| Avengers: Age of Ultron | 280000000 | 7.3 | 6767 |
我可以更改选择的顺序吗?当然，您可以通过按顺序指定所需的标签列表来实现。
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 本来会为拼写错误的标签保留缺失值 (NaN)。但这种日子已经一去不复返了，在最新的更新中，它会引发异常。
输入
movies.loc[["Avengers: Age of Ultron","Avatar","When is Avengers next movie?"]]
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
<ipython-input-21-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 raise ValueError("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 if not (ax.is_categorical() or ax.is_interval()):
−> 1654 raise KeyError(
1655 "Passing list−likes to .loc or [] with any missing labels "
1656 "is no longer supported, see "
KeyError: 'Passing list−likes to .loc or [] with any missing labels is no longer supported, see 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。
输入
"When is Avengers next movie?" in movies.index
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?')")
| title | budget | vote_average | vote_count |
|---|---|---|---|
| Avatar | 237000000 | 7.2 | 11800 |
