Python Pandas中布尔索引的用法详解
作者:海拥 发布时间:2023-11-04 08:37:45
在布尔索引中,我们将根据 DataFrame 中数据的实际值而不是它们的行/列标签或整数位置来选择数据子集。在布尔索引中,我们使用布尔向量来过滤数据。
布尔索引是一种使用 DataFrame 中数据的实际值的索引。在布尔索引中,我们可以通过四种方式过滤数据:
使用布尔索引访问 DataFrame
将布尔掩码应用于数据帧
根据列值屏蔽数据
根据索引值屏蔽数据
使用布尔索引访问 DataFrame
为了访问具有布尔索引的数据帧,我们必须创建一个数据帧,其中数据帧的索引包含一个布尔值,即“真”或“假”。
例子
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
df = pd.DataFrame(dict, index = [True, False, True, False])
print(df)
输出:
现在我们已经创建了一个带有布尔索引的数据框,之后用户可以在布尔索引的帮助下访问数据框。用户可以使用 .loc[]、.iloc[]、.ix[] 三个函数访问数据帧
使用.loc[]访问具有布尔索引的数据框
为了使用 .loc[] 访问具有布尔索引的数据帧,我们只需在 .loc[] 函数中传递一个布尔值(True 或 False)。
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])
# 使用 .loc[] 函数访问数据框
print(df.loc[True])
输出:
使用.iloc[]访问具有布尔索引的数据框
为了使用 .iloc[] 访问数据帧,我们必须传递一个布尔值(True 或 False),但 iloc[] 函数只接受整数作为参数,因此它会抛出错误,因此我们只能在我们访问数据帧时访问在 iloc[] 函数中传递一个整数
代码#1:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])
# 使用 .iloc[] 函数访问数据帧
print(df.iloc[True])
输出:
TypeError
代码#2:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])
# 使用 .iloc[] 函数访问数据帧
print(df.iloc[1])
输出:
使用.ix[]访问具有布尔索引的数据框
为了使用 .ix[] 访问数据帧,我们必须将布尔值(True 或 False)和整数值传递给 .ix[] 函数,因为我们知道 .ix[] 函数是 .loc[] 的混合体和 .iloc[] 函数。
代码#1:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])
# 使用 .ix[] 函数访问数据帧
print(df.ix[True])
输出:
代码#2:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])
# 使用 .ix[] 函数访问数据帧
print(df.ix[1])
输出:
将布尔掩码应用于数据框
在数据框中,我们可以应用布尔掩码。为此,我们可以使用 getitems 或 [] 访问器。我们可以通过给出与数据帧中包含的长度相同的 True 和 False 列表来应用布尔掩码。当我们应用布尔掩码时,它将仅打印我们传递布尔值 True 的数据帧。
代码#1:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}
df = pd.DataFrame(dict, index = [0, 1, 2, 3])
print(df[[True, False, True, False]])
输出:
代码#2:
# importing pandas package
import pandas as pd
# 从csv文件制作数据框
data = pd.read_csv("nba1.1.csv")
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10, 11, 12])
print(df[[True, False, True, False, True,
False, True, False, True, False,
True, False, True]])
输出:
根据列值屏蔽数据
在数据框中,我们可以根据列值过滤数据。为了过滤数据,我们可以使用不同的运算符对数据框应用某些条件,例如 ==、>、<、<=、>=。当我们将这些运算符应用于数据帧时,它会产生一系列真假。
代码#1:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["BCA", "BCA", "M.Tech", "BCA"],
'score':[90, 40, 80, 98]}
# 创建数据框
df = pd.DataFrame(dict)
# 使用比较运算符过滤数据
print(df['degree'] == 'BCA')
输出:
代码#2:
# importing pandas package
import pandas as pd
# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")
# 使用大于运算符过滤数据
print(data['Age'] > 25)
输出:
根据索引值屏蔽数据:
在数据框中,我们可以根据列值过滤数据。为了过滤数据,我们可以使用 ==、>、< 等不同的运算符根据索引值创建掩码。
代码#1:
# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["BCA", "BCA", "M.Tech", "BCA"],
'score':[90, 40, 80, 98]}
df = pd.DataFrame(dict, index = [0, 1, 2, 3])
mask = df.index == 0
print(df[mask])
输出:
代码#2:
# importing pandas package
import pandas as pd
# 从csv文件制作数据框
data = pd.read_csv("nba1.1.csv")
# 为数据框提供索引
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10, 11, 12])
# 根据索引值过滤数据
mask = df.index > 7
print(df[mask])
输出:
来源:https://juejin.cn/post/7137885620919074852
猜你喜欢
- 下面继续为大家带来XHTML与HTML兼容的16条指引!1.避免将页面声明为XML类型,页面使用UTF-8或者UTF-16字符集。2.在空元
- 在实际的数据库应用中,我们经常遇到这样一个问题,连接到Oracle数据库的用户在作了一次操作后,再也没有后续操作,但却长时间没有和数据库断开
- 一般打印就用window.print();就OK了 但是一般都是选择性打印所以会调用方法: function preview() { bdh
- 最近在一个python工具中需要实现串口自动触发工作的功能,之前只在winform上面实现,今天使用python试试。这里简单记一下:首先用
- logging模块简介Python的logging模块提供了通用的日志系统,可以方便第三方模块或者是应用使用。这个模块提供不同的日志级别,并
- 相关代码如下: 1. 创建sequence: 代码如下:CREATE SEQUENCE SEQU_DATA_DATAINFO IN
- 前言: 这篇文章主要介绍RMAN的常用方法,其中包含了作者一些自己的经验,里面的实验也基本全在WIN 2K和ORACLE 8.1.6环境下测
- 现在越来越多的浏览器有拦截弹出窗口的功能。广告弹出来给拦掉了就无所谓,要是客户在付款时给拦掉了可就不能乱算了。Gmail的“哎呀”算是经典,
- OpenCV:图片缩放和图像金字塔对图像进行缩放的最简单方法当然是调用resize函数啦!resize函数可以将源图像精确地转化为指定尺寸的
- 项目开发中,代码管理肯定离不开git操作,Pycharm中没有复杂的命令操作,只需要进行一些简单的菜单操作就可以方便的实现版本管理,下面分别
- 最近,Analysis with Programming加入了Planet Python。作为该网站的首批特约博客,我这里来分享一下如何通过
- 步骤一:index页面处理<!DOCTYPE html><html lang="en"><
- BluePrint是一个非常成熟也非常流行的CSS框架,很多网站和wordpress基于Blueprint搭建前端结构。最近,bluepri
- 1. 查看数据库的版本select @@version2.查看数据库所在机器操作系统参数exec master..xp_msver3. 查看
- 1. 二维(多维)数组降为一维数组方法1: reshape()+concatenate 函数,这个方法是间接法,利用 reshape() 函
- php 生成短网址 原理: 1.将原网址做crc32校验,得到校验码。 2.使用sprintf('%u') 将校验码转为无符
- Python中默认安装的ftplib模块定义了FTP类,其中函数有限,可用来实现简单的ftp客户端,用于上传或下载文件.FTP的工作流程及基
- 代码如下:SELECT [StartDate] FROM [dbo].[udf_Week](2012,2012) WHERE [
- 核心播放模块(pygame内核)import time import pygameimport easygui as guifile = r
- 第一种情况是返回的游标是某个具体的表或视图的数据,如:SQL-Code:CREATE OR REPLACE P