In [1]: import pandas as pd
- Titanic data
本教程使用泰坦尼克号数据集，存储为CSV格式。数据包括以下数据列：
PassengerId: 每位乘客的ID。
幸存：乘客是否幸存的指示。
0表示是，1表示否。Pclass：三种票等级之一：等级
1、等级2和等级3。姓名：乘客的姓名。
Sex: 乘客的性别。
年龄：乘客的年龄（岁）。
SibSp: 船上的兄弟姐妹或配偶数量。
Parch: 父母或孩子在船上的数量。
票：乘客的票号。
票价：指示票价。
Cabin: 乘客的舱位号。
Embarked: 登船港口。
In [2]: titanic = pd.read_csv("data/titanic.csv") In [3]: titanic.head() Out[3]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 2 3 1 3 Heikkinen, Miss Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
我如何选择一个 DataFrame 的子集？#
如何从 DataFrame 中选择特定的列？#
我对泰坦尼克号乘客的年龄感兴趣。
In [4]: ages = titanic["Age"] In [5]: ages.head() Out[5]: 0 22.0 1 38.0 2 26.0 3 35.0 4 35.0 Name: Age, dtype: float64
要选择单个列，请使用方括号
[]和感兴趣的列名。
在 DataFrame 中的每一列都是一个 Series。当选择单个列时，返回的对象是一个 pandas Series。我们可以通过检查输出的类型来验证这一点：
In [6]: type(titanic["Age"])
Out[6]: pandas.core.series.Series
并且看看输出 shape 的样子：
In [7]: titanic["Age"].shape
Out[7]: (891,)
DataFrame.shape 是一个属性（记得 阅读和写入教程 ，不要为属性使用括号），包含行数和列数的 pandas Series 和 DataFrame：(nrows, ncolumns)。一个 pandas Series 是 1 维的，只返回行数。
我对泰坦尼克号乘客的年龄和性别感兴趣。
In [8]: age_sex = titanic[["Age", "Sex"]] In [9]: age_sex.head() Out[9]: Age Sex 0 22.0 male 1 38.0 female 2 26.0 female 3 35.0 female 4 35.0 male
要选择多列，请在选择括号
[]内使用列名列表。
备注
内层方括号定义了一个包含列名的 Python 列表，而外层方括号用于从前一个示例中所示的 pandas DataFrame 中选择数据。
返回的数据类型是 pandas DataFrame：
In [10]: type(titanic[["Age", "Sex"]])
Out[10]: pandas.DataFrame
In [11]: titanic[["Age", "Sex"]].shape
Out[11]: (891, 2)
选择返回了一个包含891行和2列的 DataFrame。记住，DataFrame 是二维的，既有行维度也有列维度。
有关索引的基本信息，请参阅用户指南中关于 索引和选择数据 的部分。
如何从一个 DataFrame 中过滤特定的行？#
我对超过35岁的乘客感兴趣。
In [12]: above_35 = titanic[titanic["Age"] > 35] In [13]: above_35.head() Out[13]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 6 7 0 1 McCarthy, Mr. Timothy J male 54.0 0 0 17463 51.8625 E46 S 11 12 1 1 Bonnell, Miss Elizabeth female 58.0 0 0 113783 26.5500 C103 S 13 14 0 3 Andersson, Mr. Anders Johan male 39.0 1 5 347082 31.2750 NaN S 15 16 1 2 Hewlett, Mrs. (Mary D Kingcome) female 55.0 0 0 248706 16.0000 NaN S
要根据条件表达式选择行，请在选择括号
[]内使用条件。
选择括号内的条件 titanic["Age"] > 35 检查 Age 列的值大于 35 的行：
In [14]: titanic["Age"] > 35
Out[14]:
0 False
1 True
2 False
3 False
4 False
...
886 False
887 False
888 False
889 False
890 False
Name: Age, Length: 891, dtype: bool
条件表达式的输出（>，还有``==``、!=、<、<=``等也可以工作）实际上是一个布尔值（``True 或 False）的 pandas Series，其行数与原始 DataFrame 相同。这样的布尔值 Series 可以用于通过将其放在选择括号 [] 之间来过滤 DataFrame。只有值为 True 的行才会被选中。
从前我们知道原始的泰坦尼克 DataFrame 包含 891 行。让我们通过检查结果 DataFrame above_35 的 shape 属性来看看满足条件的行数：
In [15]: above_35.shape
Out[15]: (217, 12)
我对来自二等舱和三等舱的泰坦尼克号乘客感兴趣。
In [16]: class_23 = titanic[titanic["Pclass"].isin([2, 3])] In [17]: class_23.head() Out[17]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 2 3 1 3 Heikkinen, Miss Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S 5 6 0 3 Moran, Mr. James male NaN 0 0 330877 8.4583 NaN Q 7 8 0 3 Palsson, Master Gosta Leonard male 2.0 3 1 349909 21.0750 NaN S
类似于条件表达式，
isin()条件函数对每一行返回True，如果这些行的值在提供的列表中。要根据这样的函数过滤行，请在选择括号[]内使用条件函数。在这种情况下，选择括号[]内的条件titanic["Pclass"].isin([2, 3])检查Pclass列是否为 2 或 3 的行。
上述等同于按类为2或3的行进行过滤，并用 | （或）运算符组合这两个语句：
In [18]: class_23 = titanic[(titanic["Pclass"] == 2) | (titanic["Pclass"] == 3)]
In [19]: class_23.head()
Out[19]:
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S
2 3 1 3 Heikkinen, Miss Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
5 6 0 3 Moran, Mr. James male NaN 0 0 330877 8.4583 NaN Q
7 8 0 3 Palsson, Master Gosta Leonard male 2.0 3 1 349909 21.0750 NaN S
备注
当结合多个条件语句时，每个条件必须用括号 () 包围。此外，你不能使用 or/and ，而需要使用 or 运算符 | 和 and 运算符 &。
我希望处理已知年龄的乘客数据。
In [20]: age_no_na = titanic[titanic["Age"].notna()] In [21]: age_no_na.head() Out[21]: PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 2 3 1 3 Heikkinen, Miss Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
notna()条件函数为每一行返回一个True，如果该行的值不是Null值。因此，这可以与选择括号[]结合使用来过滤数据表。
你可能想知道实际上改变了什么，因为前5行仍然是相同的值。一种验证方法是检查形状是否发生了变化：
In [22]: age_no_na.shape
Out[22]: (714, 12)
有关处理缺失值的更多专用功能，请参阅用户指南中关于 处理缺失数据 的部分。
如何从 DataFrame 中选择特定的行和列？#
我对超过35岁的乘客的姓名感兴趣。
In [23]: adult_names = titanic.loc[titanic["Age"] > 35, "Name"] In [24]: adult_names.head() Out[24]: 1 Cumings, Mrs. John Bradley (Florence Briggs Th... 6 McCarthy, Mr. Timothy J 11 Bonnell, Miss Elizabeth 13 Andersson, Mr. Anders Johan 15 Hewlett, Mrs. (Mary D Kingcome) Name: Name, dtype: object
在这种情况下，一次完成行和列的子集，仅使用选择括号
[]是不够的。需要在前面的选择括号[]使用loc/iloc运算符。使用loc/iloc时，逗号前的部分是你想要的行，逗号后的部分是你想要选择的列。
当使用列名、行标签或条件表达式时，在选择括号 [] 前使用 loc 运算符。对于逗号前后的部分，你可以使用单个标签、标签列表、标签切片、条件表达式或冒号。使用冒号表示你想要选择所有行或列。
我对第10到25行和第3到5列感兴趣。
In [25]: titanic.iloc[9:25, 2:5] Out[25]: Pclass Name Sex 9 2 Nasser, Mrs. Nicholas (Adele Achem) female 10 3 Sandstrom, Miss Marguerite Rut female 11 1 Bonnell, Miss Elizabeth female 12 3 Saundercock, Mr. William Henry male 13 3 Andersson, Mr. Anders Johan male .. ... ... ... 20 2 Fynney, Mr. Joseph J male 21 2 Beesley, Mr. Lawrence male 22 3 McGowan, Miss Anna "Annie" female 23 1 Sloper, Mr. William Thompson male 24 3 Palsson, Miss Torborg Danira female [16 rows x 3 columns]
再次，一次完成对行和列的子集选择，仅使用选择括号
[]不再足够。当特别关注表中基于其位置的某些行和/或列时，请在选择括号[]前使用iloc运算符。
当使用 loc 或 iloc 选择特定的行和/或列时，可以为选定的数据分配新值。例如，要将名称 anonymous 分配给第四列的前3个元素：
In [26]: titanic.iloc[0:3, 3] = "anonymous"
In [27]: titanic.head()
Out[27]:
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 anonymous male 22.0 1 0 A/5 21171 7.2500 NaN S
1 2 1 1 anonymous female 38.0 1 0 PC 17599 71.2833 C85 C
2 3 1 3 anonymous female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S
3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S
请参阅用户指南中关于 索引的不同选择 部分，以更深入地了解 loc 和 iloc 的使用。
REMEMBER
在选择数据子集时，使用方括号
[]。在这些方括号内，你可以使用单个列/行标签、列/行标签列表、标签切片、条件表达式或冒号。
使用
loc进行基于标签的选择（使用行/列名称）。使用
iloc进行基于位置的选择（使用表格位置）。你可以基于
loc/iloc为选择分配新值。
索引的全面概述在用户指南页面中提供，关于 索引和选择数据。