Python Pandas – 常用的資料存取與 iloc, loc 函數

測試環境為 CentOS 8 (虛擬機)

參考資料 – https://ithelp.ithome.com.tw/articles/10251663

Pandas 二維陣列 (資料類似 Excel 或是 RDBMS 關聯式資料庫) 常用的資料存取與 iloc, loc , ix 函數

安裝所需模組

[root@localhost ~]# pip install pandas

匯入模組

[root@localhost ~]# python3
Python 3.6.8 (default, Sep 10 2021, 09:13:53)
[GCC 8.5.0 20210514 (Red Hat 8.5.0-3)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas as pd

從網路抓的資料大多是 JSON 格式,下面就以此為範例.

>>> data = pd.DataFrame({
    "Chinese":
    {
        "Ben": 68,
        "Alex": 86,
        "Jeff": 57
    },
    "English":
    {
        "Ben": 63,
        "Alex": 92,
        "Jeff": 83
    },
    "Math":
    {
        "Ben": 65,
        "Alex": 89,
        "Jeff": 77
    }
})

>>> data
      Chinese  English  Math
Ben        68       63    65
Alex       86       92    89
Jeff       57       83    77

常用的資料存取

以下是常用取得 DataFrame 資料的方式.

• 使用欄位名稱取值
  DataFrame[“欄位名稱”]

  >>> data["Chinese"]
  Ben     68
  Alex    86
  Jeff    57
  

  或是

  >>> data.Chinese
  Ben     68
  Alex    86
  Jeff    57
  Name: Chinese, dtype: int64
  

  DataFrame[[“欄位名稱1″,”欄位名稱2”]] , 須注意傳入值須為陣列 [] .

  >>> data[["Chinese","English"]]
        Chinese  English
  Ben        68       63
  Alex       86       92
  Jeff       57       83
  

• 條件式搜尋
  DataFrame[“欄位名稱”] 條件式

  >>> data["Chinese"] > 60
  Ben      True
  Alex     True
  Jeff    False
  Name: Chinese, dtype: bool
  

  >>> data[data["Chinese"] > 60]
        Chinese  English  Math
  Ben        68       63    65
  Alex       86       92    89
  

  或是

  >>> data[data.Chinese > 60]
        Chinese  English  Math
  Ben        68       63    65
  Alex       86       92    89
  

  多條件時

  >>> data[(data.Chinese > 60) & (data.English>80)]
        Chinese  English  Math
  Alex       86       92    89
  

  如果要找出空值時,需使用 isnull() 函數(回傳 True 為 NULL , False 則非)

  >>> data["Chinese"].isnull()
  Ben     False
  Alex    False
  Jeff    False
  

  可以找出是 null 的資料,我的資料是沒有 null.

  >>> data[data["Chinese"].isnull()]
  Empty DataFrame
  Columns: [Chinese, English, Math]
  Index: []
  

• DataFrame[“欄位名稱”].values
  DataFrame[“欄位名稱”].values , 回傳值為陣列.

  >>> data["Chinese"].values
  array([68, 86, 57])
  

  DataFrame.values[索引位置]

  >>> data.values[1]
  array([86, 92, 89])
  >>> data.values[2]
  array([57, 83, 77])
  >>> data.values[0]
  array([68, 63, 65])
  

• DataFrame.columns
  DataFrame.columns 看欄位名稱

  >>> data.columns
  Index(['Chinese', 'English', 'Math'], dtype='object')
  

• DataFrame.index
  DataFrame.index 看 index

  >>> data.index
  Index(['Ben', 'Alex', 'Jeff'], dtype='object')
  

iloc, loc , ix 函數

• loc 使用名稱取值

  DataFrame.loc[“索引名稱”, “欄位名稱”]

  只指定 索引名稱

  >>> data.loc["Ben"]
  Chinese    68
  English    63
  Math       65
  Name: Ben, dtype: int64
  

  指定 索引名稱+欄位名稱

  >>> data.loc["Ben","Chinese"]
  68
  

  可用 : 表示全部.

  >>> data.loc[:,:]
        Chinese  English  Math
  Ben        68       63    65
  Alex       86       92    89
  Jeff       57       83    77
  

  指定條件式

  >>> data.loc[data.Chinese > 60, ["Chinese"]]
        Chinese
  Ben        68
  Alex       86
  

  >>> data.loc[data.Chinese > 60, :]
        Chinese  English  Math
  Ben        68       63    65
  Alex       86       92    89
  

• iloc使用數值取值

  使用數字為 index 來取值. DataFrame.loc[“索引數字”, “欄位數字”]

  索引,欄位數字都是從 0 開始.

  指定索引數字

  >>> data.iloc[0]
  Chinese    68
  English    63
  Math       65
  Name: Ben, dtype: int64
  

  >>> data.iloc[:2]
        Chinese  English  Math
  Ben        68       63    65
  Alex       86       92    89
  

  指定索引與 欄位數字

  >>> data.iloc[:,0]
  Ben     68
  Alex    86
  Jeff    57
  Name: Chinese, dtype: int64
  

  >>> data.iloc[:,:2]
        Chinese  English
  Ben        68       63
  Alex       86       92
  Jeff       57       83
  

  >>> data.iloc[1,1]
  92