【3】数据分析--10--科学计算--Pandas--3--Dataframe信息提取

(有需求,找)官网:http://pandas.pydata.org/pandas-docs/stable/indexing.html

搭建测试数据:

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame
ser = Series(np.arange(3.))

data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])
print data

输出:

Out[7]: 
        a   b   c   d   e
one     0   1   2   3   4
two     5   6   7   8   9
three  10  11  12  13  14

一、常用的处理方法:

1.列名

data['w']  #选择表格中的'w'列,使用类字典属性,返回的是Series类型
data.w    #选择表格中的'w'列,使用点属性,返回的是Series类型
data[['w']]  #选择表格中的'w'列,返回的是DataFrame属性
data[['w','z']]  #选择表格中的'w'、'z'列
data['a':'b']  #利用index值进行切片,返回的是**前闭后闭**的DataFrame, #即末端是包含的
data['one':'two']  #当用已知的行索引时为前闭后闭区间,这点与切片稍有不同。 

2.行的编号

data[0:2]  #返回第1行到第2行的所有行,前闭后开,包括前不包括后
data[1:2]  #返回第2行,从0计,返回的是单行,通过有前后值的索引形式,
       #如果采用data[1]则报错
data[-1:]  #跟上面一样,取DataFrame中最后一行,返回的是DataFrame类型

3.ix

data.ix[1:2] #返回第2行的第三种方法,返回的是DataFrame,跟data[1:2]同
data.ix[:,[0,1,2]]  #不知道列名只知道列的位置时
data.ix[1,[0]]  #选择第2行第1列的值
data.ix[1:3,[0,2]]  #选择第2-4行第1、3列的值
data.ix[1:2,2:4]  #选择第2-3行,3-5(不包括5)列的值
data.ix[data.a>5,3]
data.ix[data.b>6,3:4]  #选择'b'列中大于6所在的行中的第4列,有点拗口
data.ix[data.a>5,2:4]  #选择'a'列中大于5所在的行中的第3-5(不包括5)列
data.ix[data.a>5,[2,2,2]]  #选择'a'列中大于5所在的行中的第2列并重复3次

data.ix[1:3,['a','e']]
data.ix['one':'two',[2,1]]
data.ix[['one','three'],[2,2]]
data.ix['one':'three',['a','c']]
data.ix[['one','one'],['a','e','d','d','d']]

data[1:2] #(不知道列索引时)选择第2行,不能用data[1],可以用data.ix[1]

data.ix[1:3]  #选择第2到4行,不包括第4行,即前闭后开区间。
data.ix[-1:]  #取DataFrame中最后一行,返回的是DataFrame类型,**注意**
data.ix[-1] #取DataFrame中最后一行,返回的是Series类型,这个一样,行索引不能是数字时才可以使用

4.irow或icol

data.irow(0)   #取data的第一行
data.icol(0)   #取data的第一列

5.head和tail

data.head()  #返回data的前几行数据,默认为前五行,需要前十行则dta.head(10)
data.tail()  #返回data的后几行数据,默认为后五行,需要后十行则data.tail(10)

6.iget_value

ser.iget_value(0)  #选取ser序列中的第一个
ser.iget_value(-1) #选取ser序列中的最后一个,这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个,这回引起歧义。

7.iloc

data.iloc[-1]   #选取DataFrame最后一行,返回的是Series
data.iloc[-1:]   #选取DataFrame最后一行,返回的是DataFrame

8.loc

data.loc['a',['w','x']]   #返回‘a’行'w'、'x'列,这种用于选取行索引列索引已知

9.iat

data.iat[1,1]   #选取第二行第二列,用于已知行、列位置的选取。

二、提取指定的列

数据框

index  a   b   c
1      2   3   4
2      3   4   5

提取b,c列

#方法一:
df1 = df[['a','b']]

#方法二:
df1 = df.iloc[0,0:2].copy() # To avoid the case where changing df1 also changes df

三、数据的筛选

pandas多条件行数据筛选

print df[(df[‘PCTL’]<0.95) & (df['PCTL']>0.05)]

如果是要对element-wise作判断,考虑用df.map

如果是运算考虑用df.apply + lambda

个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn

Sam avatar
About Sam
专注生物信息 专注转化医学