Pandas常用的索引方式有哪些

這篇文章將為大家詳細講解有關Pandas常用的索引方式有哪些，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

序言

結合場景詳細介紹兩種常用的索引方式：

第一種是基于位置（整數）的索引，案例短平快，有個粗略的了解即可，實際中偶有用到，但它的應用范圍不如第二種廣泛。

第二種是基于名稱（標簽）的索引，這是要敲黑板練的重點，因為它將是我們后面進行數據清洗和分析的重要基石。

首先，簡單介紹一下練習的案例數據：

和第一篇數據集一樣，記錄著不同流量來源下，各渠道來源明細所對應的訪客數、支付轉化率和客單價。數據集雖然簡短（復雜的案例數據集在基礎篇完結后會如約而至），但是有足夠的代表性，下面開始我們索引的表演。

1. 基于位置（數字）的索引

先看一下索引的操作方式：

df.iloc[行索引,列索引]
第一個位置是行索引，輸入我們要取哪幾行位置的參數
第二個位置是列索引，輸入我們要取哪幾列的位置參數

我們需要根據實際情況，填入對應的行參數和列參數。

場景一（行選取）

目標：選擇流量來源等于一級的所有行。

思路：手指戳屏幕數一數，一級的渠道，是從第1行到第13行，對應行索引是0-12，但Python切片默認是含首不含尾的，要想選取0-12的索引行，我們得輸入0:13，列想要全部選取，則輸入冒號：即可。

場景二（列選取）

目標：我們想要把所有渠道的流量來源和客單價單拎出來看一看。
思路：所有流量渠道，也就是所有行，在第一個行參數的位置我們輸入：；再看列，流量來源是第1列，客單價是第5列，對應的列索引分別是0和4：

值得注意的是，如果我們要跨列選取，得先把位置參數構造成列表形式，這里就是[0,4]，如果是連續選取，則無需構造成列表，直接輸入0:5（選取索引為0的列到索引為4的列）就好。

場景三（行列交叉選取）

目標：我們想要看一看二級、三級流量來源、來源明細對應的訪客和支付轉化率

思路：先看行，二級三級渠道對應行索引是13:17，再次強調索引含首不含尾的原則，我們傳入的行參數是13:18；列的話我們需要流量來源、來源明細、訪客和轉化，也就是前4列，傳入參數0:4。

2. 基于名稱（標簽）的索引

為了建立起橫向對比的體感，我們依然沿用上面三個場景。

場景一：選擇一級渠道的所有行。

思路：這次我們不用一個個數位置了，要篩選流量渠道為一級的所有行，只需做一個判斷，判斷流量來源這一列，哪些值等于一級。
返回的結果由True和False（布爾型）構成，在這個例子中分別代表結果等于一級和非一級。在loc方法中，我們可以把這一列判斷得到的值傳入行參數位置，Pandas會默認返回結果為True的行（這里是索引從0到12的行），而丟掉結果為False的行，直接上例子：

場景二：我們想要把所有渠道的流量來源和客單價單拎出來看一看。

思路：所有渠道等于所有行，我們在行參數位置直接輸入:，要提取流量來源和客單價列，直接輸入名稱到列參數位置，由于這里涉及到兩列，所以得用列表包起來：

場景三：我們想要提取二級、三級流量來源、來源明細對應的訪客和支付轉化率。

思路：行提取用判斷，列提取輸入具體名稱參數。

df2.loc[df2['流量來源'].isin(['二級','三級']),['流量來源','來源明細','訪客數','支付轉化率']]

此處插播一條isin函數的廣告，這個函數能夠幫助我們快速判斷源數據中某一列（Series）的值是否等于列表中的值。拿案例來說，df[‘流量來源’].isin([‘二級’,‘三級’])，判斷的是流量來源這一列的值，是否等于“二級”或者“三級”，如果等于（等于任意一個）就返回True，否則返回False。我們再把這個布爾型判斷結果傳入行參數，就能夠很容易的得到流量來源等于二級或者三級的渠道。

既然loc的應用場景更加廣泛，應該給他加個雞腿，再來個接地氣的場景練練手。
插入場景之前，我們先花30秒的時間捋一捋Pandas中列（Series）向求值的用法，具體操作如下：

df2['訪客數'].mean()df2['訪客數'].std()df2['訪客數'].median()df2['訪客數'].max()df2['訪客數'].min()

只需要加個尾巴，均值、標準差等統計數值就出來了，了解完這個，下面正式進入場景四。

場景四：對于流量渠道數據，我們真正應該關注的是優質渠道，假如這里我們定義訪客數、轉化率、客單價都高于平均值渠道是優質渠道，那怎么找到這些渠道呢？

思路：優質渠道，得同時滿足訪客、轉化、客單高于平均值這三個條件，這是解題的關鍵。先看看均值各是多少：

再判斷各指標列是否大于均值：

df2['訪客數'] > df2['訪客數'].mean()df2['支付轉化率']> df2['支付轉化率'].mean()df2['客單價'] > df2['客單價'].mean()

要三個條件同時滿足，他們之間是一個“且”的關系（同時滿足），在pandas中，要表示同時滿足，各條件之間要用&符號連接，條件內部最好用括號區分；如果是或的關系（滿足一個即可），則用|符號連接：

(df2['訪客數'] > df2['訪客數'].mean())&(df2['支付轉化率']> df2['支付轉化率'].mean())&(df2['客單價'] > df2['客單價'].mean())

這樣連接之后，返回True則表示該渠道同時滿足訪客、轉化率、客單價都高于均值的條件，接下來我們只需要把這些值傳入到行參數的位置。

df2.loc[(df2['訪客數'] > df2['訪客數'].mean())&(df2['支付轉化率']> df2['支付轉化率'].mean())&(df2['客單價'] > df2['客單價'].mean()),:]

到這一步，我們直接篩選出了4條關鍵指標都高于均值的優質渠道。

3. 數字位置跟名稱位置的混合使用

用的是pandas.ix[行,列]，不過新版pandas已經不建議使用改方法了，還是建議使用要不1要不2。

關于“Pandas常用的索引方式有哪些”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。