Panadas 中利用DataFrame对象的.loc[,]、.iloc[,]方法抽取数据

Posted 2023-04-23

参考技术A

pandas的DataFrame对象，本质上是 二维矩阵 ，跟常规二维矩阵的差别在于前者额外指定了每一行和每一列的 名称 。这样内部数据抽取既可以用“ 行列名称（对应.loc[]方法） ”，也可以用“矩阵下标（ 对应.iloc[]方法 ）”两种方式进行。
下面具体说明：
（以下程序均在Jupyter notebook中进行，部分语句的print()函数省略）
首先生成一个DataFrame对象：

DataFrame对象生成时除了必须指定data参数外，用户还可以指定两个参数columns（列名）和index（行名，注意这里的index不仅可以是数字，也可以是用户指定的任何数据类型，如字母）， 如果不指定，则行列名默认都采用0、1、2…… 。
下图说明了前面的情况：

.loc[行标签名/[行标签名list]，列标签名/[列标签名list]]，即有两个输入参数，第一个指定行名，第二个指定列名。当只有一个参数时，默认是行名（即抽取整行），所有列都选中。

.loc[行位置/[行位置list]，列位置/[列位置list]]，也有两个输入参数，第一个指定行位置，第二个指定列位置。当只有一个参数时，默认是行位置（即抽取整行），所有列都选中。

上述.loc[]和.iloc[]都只接收了1个参数“语文”或者“0”，因此默认都表示行信息，而列则全部被选中，即抽取\'语文\'这整一行数据。\',\'表示将两个参数隔开（如果有两个参数的话），\':\'这里表示选择中所有列。当只有一个输入参数时，python默认\',\'和\':\'既可写上也可省略。注意：参数[\'语文\']或[0]中只有一个对象时（即只有一行），[]也可以省略，如果有多个对象（即多行）则必须加上[]。此外还需注意，加上[]表示抽取的结果无论是一个数据，一行数据，还是一列数据，他都是DataFrame对象；不加[]时，如果选中的是一行或者一列数据，则是Series对象，如果是一个单独的数据，则是该数据本身的类型。

例2和例1唯一的差别是，第一个参数指定了多行一起输出，此时必须用[]将各行名或者下标括起来，否则出错。后面的\',\'和\':\'同例1，可省略。注意：原始数据的行顺序是：语文、数学、英语、政治，这里的提取顺序是[\'英语\',\'语文\',\'政治\']，而输出也是\'英语\',\'语文\',\'政治\'，可见输出顺序和参数指定顺序是一致的，而非按原始顺序输出。

例3依然是接受1个参数，列参数没有，后面的\',\'和\':\'同例1，可省略。连续参数用‘start:end’的方式指定行范围。注意：这里不能用[]将其括起来，否则出错。此外用行列名连续取值时，比如[\'语文\':\'政治\']会把\'政治\'所在行也取出来，而利用矩阵下标时，0:3只取0,1,2对应的三行，最后一行不会取出；但是如果行列标签名本身就是整数0,1,2……，而不是文字或者其他类型，那么在使用连续行列标签名取数据时，最后一行或者列是不会被取出的。

抽取整列的方式跟抽取整行在参数设置上完全一样。.loc[]和.iloc[]两个方法默认列为第二个参数， 因此抽取整列时，都必须带上\':,\'作为区分前面行参数的‘分隔符’，否则出错 。

同时抽取分部行和列的情况，就是把上述单独抽取行和列的方式合并起来用。抽取整个DataFrame对象则是.loc[:,:]或.iloc[:,:]，虽然这么做没啥意义。

（1）DataFrame对象的.loc[,]和.iloc[,]方法用于抽取数据，.loc[,]用行列的标签名作为参数，.iloc[,]用二维矩阵元素的网格下标作为参数。
（2）两个方法都接受两个参数，第一个是“行标签”或者“矩阵行号”，第二个是“列标签”或者“矩阵列号”。
（3）两种方法当只指定一个输入参数时，都默是跟“行”相关，而“列”则全部被选中。如何行和列都需要指定时，中间用“逗号,”隔开，这非常重要，否则出错。
（4）当需要选中所有行的某几列时，行参数可以省略，列参数需要指定，此时列参数前面必须带上“,:”，形如.loc[:,列参数]，.iloc[:,列参数]。
（5）.loc[,]和.iloc[,]设置了一个还是两个输入参数，关键看有没有“,”将两个参数分开，且要区分逗号是一个参数的内部逗号，还有用于分隔行列参数的逗号。
（6）对于两个参数的概念区分，.loc[\'语文\',\'数学\']这表示输入了两个参数，行参数是‘语文’，列参数是‘数学’，对于上面的表格而言这是错的，因为没有叫‘数学’的列，应写为[[\'语文\',\'数学\']]，即‘数学’也是行参数的一部分，[\'语文\',\'数学\']整体作为一个行参数，这里的逗号不是用以分隔行和列，仅仅是行list里面的逗号。[[\'语文\',\'数学\']]=[[\'语文\',\'数学\'],]=[[\'语文\',\'数学\'],:]，都表示只有一个行参数，列全部选中。

Pandas---10.DataFrame绘图

1.matplotlib是一种比较低级的工具，pandas中有许多利用DataFrame对象数据组织特点来创建标准图表的高级绘图方法。

2.Series/DataFrame.plot()：绘制图形。

Series.plot(kind=‘line‘, ax=None, figsize=None, use_index=True, title=None, grid=None,
  legend=False, style=None, logx=False, logy=False,loglog=False,xticks=None,yticks=None,
  xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, 
  xerr=None, label=None, secondary_y=False, **kwds)
  DataFrame.plot(x=None, y=None, kind=‘line‘, ax=None, subplots=False, sharex=None, 
  sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, 
  legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, 
  yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None,
  table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)

参数：

• kind：绘制的类型。可以为：‘line‘、‘bar‘、‘barh‘（水平的bar）、‘hist‘、‘box‘、‘kde‘（核密度估计）、‘density‘（类似kde）、‘area‘、‘pie‘
• ax：一个Axes实例对象。如果为空，则是plt.gca()的返回值（当前Axes）
• figsize：一个元组，指定图片大小（单位为英寸）
• use_index：一个布尔值。如果为True，则使用index作为X轴。
• title：图形的标题
• grid：一个布尔值。如果为True，则开启网格
• legend：一个布尔值，如果为True，则放置图例
• style：一个列表或者字典，给出了每一列的线型
• logx：一个布尔值，如果为True，则x轴为对数型
• logy：一个布尔值，如果为True，则y轴为对数型
• loglog：一个布尔值，如果为True，则x轴和y轴都为对数型
• xticks：一个序列，用于给出xticks
• yticks：一个序列，用于给出yticks
• xlim：一个二元的元组或者序列，给出x轴范围
• ylim：一个二元的元组或者序列，给出y轴范围
• rot：一个整数，给出了x轴和y轴tick旋转角度（不是弧度）。
• fontsize：一个整数，给出了xtick/ytick的字体大小
• colormap：一个字符串或者colormap对象，给出了colormap
• colorbar：一个布尔值。如果为True，则绘制colorbar（只用于scatter和hexbin图中）
• position：一个浮点数。给出了bar图中，各bar的对其位置（0表示bar的左侧与它的坐标 对其；1表示bar的右侧与它的坐标对其）
• layout：一个元组。给出了(rows,columns)
• table：一个布尔值或者Series/DataFrame。如果为True，则将本Series/DataFrame绘制为一个表格；如果为Series/DataFrame，则将该参数绘制为表格
• yerr：用于绘制Error Bar
• xerr：用于绘制Error Bar
• label：plot的label参数
• secondary_y：一个布尔值或者一个整数序列。如果为True，则y轴绘制在右侧
• mark_right：一个布尔值，如果为True且secondary_y=True，则在图例中标记为right
• kwds：传递给matplotlib中的plot函数的其他关键字参数

在DataFrame.plot中，下面的参数意义为：

• x：label或者position
• y： label或者position
• subplots：一个布尔值，如果为True，则将每一列作为一个子图来绘制
• sharex：一个布尔值。如果为True，且subplots=True，则子图共享x轴
• sharey：一个布尔值。如果为True，且subplots=True，则子图共享y轴
• stacked：一个布尔值。在bar中，如果为True，则将柱状图堆积起来
• sort_columns：一个布尔值。如果为True，则根据列名来决定绘制的先后顺序。

它们返回的是AxesSubplot对象，或者AxesSubplot的ndarray