Python Pandas中布尔索引的用法详解

Fawziya ·
更新时间:2024-11-10
· 363 次阅读

目录

使用布尔索引访问 DataFrame

使用.loc[]访问具有布尔索引的数据框

使用.iloc[]访问具有布尔索引的数据框

使用.ix[]访问具有布尔索引的数据框

将布尔掩码应用于数据框

根据列值屏蔽数据

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: 

以上就是Python Pandas中布尔索引的用法详解的详细内容,更多关于Python Pandas布尔索引的资料请关注软件开发网其它相关文章!



pandas 索引 Python

需要 登录 后方可回复, 如果你还没有账号请 注册新账号