Pandas 数据框索引：整数行，命名列

在本文中，我们将介绍如何在Pandas数据帧中进行索引，特别是如何使用整数行和命名列。Pandas是一个强大的数据处理工具，由于其高效的数据结构和功能，Pandas已成为数据分析中不可或缺的一部分。在Pandas中，DataFrame是最重要的数据结构之一，用于处理表格数据。DataFrame通常具有多种对象类型和多个命名列，但有时也需要使用整数行和命名列进行索引。

阅读更多：Pandas 教程

使用整数行进行索引

整数行索引是指对数据框中的行进行索引。在Pandas中，可以使用默认的整数行索引来访问数据框的行。例如，以下代码创建了一个具有默认整数行索引的数据框：

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'], 'Age':[28,34,29,42], 'City':['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)
print(df)

输出如下：

    Name  Age       City
0    Tom   28    Beijing
1   Jack   34   Shanghai
2  Steve   29  Guangzhou
3  Ricky   42   Shenzhen

数据框中的第一列是其默认整数行索引，行号从0到3。可以使用iloc[]函数来按行号访问数据框的行。例如，以下代码选择数据框的第二行：

print(df.iloc[1])

输出如下：

Name          Jack
Age             34
City      Shanghai
Name: 1, dtype: object

此外，可以使用iloc[]函数选择多个行。例如，以下代码选择数据框的第二行和第三行：

print(df.iloc[[1,2]])

输出如下：

    Name  Age       City
1   Jack   34   Shanghai
2  Steve   29  Guangzhou

使用命名列进行索引

命名列索引是指按名称对数据框中的列进行索引。在Pandas中，可以使用列名称来访问数据框的列。例如，以下代码创建了一个具有列名称的数据框：

data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'], 'Age':[28,34,29,42], 'City':['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df)

输出如下：

    Name  Age       City
0    Tom   28    Beijing
1   Jack   34   Shanghai
2  Steve   29  Guangzhou
3  Ricky   42   Shenzhen

在此数据框中，有3个命名列：Name，Age和City。可以使用列名称来访问数据框中的列。例如，以下代码选择数据框的Name列：

print(df['Name'])

输出如下：

0      Tom
1     Jack
2    Steve
3    Ricky
Name: Name, dtype: object

此外，可以使用loc[]函数选择多个列。例如，以下代码选择数据框的Name列和Age列：

print(df.loc[:,['Name','Age']])

输出如下：

    Name  Age
0    Tom   28
1   Jack   34
2  Steve   29
3  Ricky   42

混合索引

可以通过将整数行索引和命名列索引混合使用来选择数据框的特定行和列。例如，以下代码选择第二行和第三行以及Name列和Age列：

print(df.iloc[[1,2]].loc[:,['Name','Age']])

输出如下：

    Name  Age
1   Jack   34
2  Steve   29

总结

本文介绍了如何使用整数行和命名列索引来对Pandas数据框进行索引。可以使用默认整数行索引来访问数据框的行，并使用列名称来访问数据框的列。还可以混合使用整数行索引和命名列索引来选择数据框的特定行和列。

在实际的数据分析中，索引是非常重要的，Pandas提供了丰富的索引方法，使得用户可以方便地进行数据的筛选、切片、聚合等操作。掌握这些索引方法将有助于提高数据分析的效率和准确性。