6 數據選擇

在進行單次分析前，我們要選擇好研究的數據對象。如某列，某行，某個數據等…

6.1 列選擇

6.1.1 選擇某一列或某幾列

Excel

選擇某一列——>直接選中某一列

選擇某幾列——>選中一列，摁住Ctrl不放，再選其他列

Python

普通索引

df[列名]
df[[列名1,列名2,···]]

• 選中單列，返回Series對象
• 選中多列，返回DataFrame對象

如:

df = pd.DataFrame({

"姓名": ["張三", "李四", "王五", "趙六"],
"語文": [110, 92, 98, 121],
"數學": [120, 130, 111, 90],
"英語": [88, 91, 110, 113]
})
names=df["姓名"]
print(type(names))
# <class 'pandas.core.series.Series'>
print(names)
""" 0 張三 1 李四 2 王五 3 趙六 Name: 姓名, dtype: object """
grades=df[["語文","數學","英語"]]
print(type(grades))
# <class 'pandas.core.frame.DataFrame'>
print(grades)
""" 語文 數學 英語 0 110 120 88 1 92 130 91 2 98 111 110 3 121 90 113 """

位置索引

df.iloc[:,n]
df.iloc[:,[n1,n2,···]]

• ,前代表哪幾行，,後代表哪幾列
• :代表所有行
• 位置從0開始計數

如:

names=df.iloc[:,0]
print(names)
""" 0 張三 1 李四 2 王五 3 趙六 Name: 姓名, dtype: object """
grades=df.iloc[:,[1,2,3]]
print(grades)
""" 語文 數學 英語 0 110 120 88 1 92 130 91 2 98 111 110 3 121 90 113 """

6.1.2 選擇連續的某幾列(切片索引)

Excel

拖動選擇即可

Python

同樣有普通索引和位置索引兩種方式。

但位置索引較為簡單。

df.iloc[:,n1:n2]

• n1:n2代表選中第n1列到第n2列(從0計數，包含n1,不包含n2)
• 這種區間的形式稱為切片索引

如:

grades=df.iloc[:,1:4]
print(grades)
""" 語文 數學 英語 0 110 120 88 1 92 130 91 2 98 111 110 3 121 90 113 """

6.2 行選擇

6.2.1 選擇某一行或某幾行

Excel

同列,Ctrl多選

Python

普通索引

df.loc[行名]
df.loc[[行名1,行名2,···]]

• 選中單行，返回Series對象
• 選中多行，返回DataFrame對象

如:

df.set_index("姓名",inplace=True) # 設置"姓名"列為行索引
student1=df.loc["張三"]
print(student1)
""" 語文 110 數學 120 英語 88 Name: 張三, dtype: int64 """
students=df.loc[["李四","王五"]]
print(students)
""" 語文 數學 英語 姓名 李四 92 130 91 王五 98 111 110 """

位置索引

df.iloc[r] # df.iloc[r,:]
df.iloc[[r1,r2,···]] # df.iloc[[r1,r2,···],:] 

• 位置r從0開始計數

如:

student1=df.iloc[0]
print(student1)
""" 語文 110 數學 120 英語 88 Name: 張三, dtype: int64 """
students=df.iloc[[1,2]]
print(students)
""" 語文 數學 英語 姓名 李四 92 130 91 王五 98 111 110 """

6.2.2 選擇連續的幾行(切片索引)

Excel

同列，拖動即可

Python

同樣有普通索引和位置索引兩種方式。

但位置索引較為簡單(切片索引)。

df.iloc[r1:r2] # df.iloc[r1:r2,:]

• r1:r2代表選中第r1行到第r2行(從0計數，包含r1,不包含r2)

如:

students=df.iloc[1:4]
print(students)
""" 語文 數學 英語 姓名 李四 92 130 91 王五 98 111 110 趙六 121 90 113 """

6.2.3 篩選滿足條件的行(布爾索引)

Excel

“數據”>“排序和篩選”>“篩選”

點擊某列的篩選圖標>“數字篩選”，選擇對應條件

可以進行邏輯運算"與",“或”

Python

df[條件]
df[(條件1) 邏輯運算符 (條件2)]

• 邏輯運算符有&(與),|(或)，~(非)

如：

result1=df[df["語文"]>100] # 語文成績大於100
print(result1)
""" 語文 數學 英語 姓名 張三 110 120 88 趙六 121 90 113 """
result2=df[(df["語文"]>90) & (df["數學"]>90) & df["英語"]>90] #三門成績都大於90
print(result2)
""" 語文 數學 英語 姓名 李四 92 130 91 王五 98 111 110 """

6.3 區域選擇

Excel

拖動選擇或Ctrl多選

Python

區域選擇，就是選定行和列，取交匯區域。

可以直接行列索引一起進行。也可以先行索引得到一個新的對象，再對新的對象進行列索引。

普通索引，位置索引(包括切片索引)，布爾索引(一般用於行)可以自行組合

以下為常見的

6.3.1 普通索引+普通索引

df.loc[[行名1,行名2,···],[列名1,列名2,···]]

如:

area1=df.loc[["張三","李四"],["數學","英語"]]
print(area1)
""" 數學 英語 姓名 張三 120 88 李四 130 91 """

6.3.2 位置索引+位置索引

df.iloc[[r1,r2,···],[n1,n2,···]] # 第r1,r2,···行和第n1,n2···列交匯區域
df.iloc[r1:r2,n1:n2] #第r1行到r2行(包含r1,不包含r2)和第n1列到n2列(包含n1,不包含n2)交匯區域

如:

area2=df.iloc[[0,2,3],[0,2]]
print(area2)
""" 語文 英語 姓名 張三 110 88 王五 98 110 趙六 121 113 """
area3=df.iloc[1:3,0:3]
print(area3)
""" 語文 數學 英語 姓名 李四 92 130 91 王五 98 111 110 """

6.3.3 布爾索引(行)+普通索引(列)

df[條件索引][[列名1,列名2,···]]

• 實際上是對df[條件索引]返回的DataFrame對象再進行一次列的普通索引

如:

area4=df[df["語文"]>100][["數學","英語"]]
print(area4)
""" 數學 英語 姓名 張三 120 88 趙六 90 113 """