Python 數(shù)據(jù)處理（二十四）—— 索引和選擇

如果你想獲取 'A' 列的第 0 和第 2 個(gè)元素，你可以這樣做:

成都創(chuàng)新互聯(lián)一直秉承“誠(chéng)信做人，踏實(shí)做事”的原則，不欺瞞客戶，是我們最起碼的底線！ 以服務(wù)為基礎(chǔ)，以質(zhì)量求生存，以技術(shù)求發(fā)展，成交一個(gè)客戶多一個(gè)朋友！為您提供成都做網(wǎng)站、網(wǎng)站建設(shè)、成都網(wǎng)頁(yè)設(shè)計(jì)、微信平臺(tái)小程序開(kāi)發(fā)、成都網(wǎng)站開(kāi)發(fā)、成都網(wǎng)站制作、成都軟件開(kāi)發(fā)、成都app軟件開(kāi)發(fā)公司是成都本地專業(yè)的網(wǎng)站建設(shè)和網(wǎng)站設(shè)計(jì)公司，等你一起來(lái)見(jiàn)證！

這也可以用 .iloc 獲取，通過(guò)使用位置索引來(lái)選擇內(nèi)容

可以使用 .get_indexer 獲取多個(gè)索引:

警告 ：

對(duì)于包含一個(gè)或多個(gè)缺失標(biāo)簽的列表，使用 .loc 或 [] 將不再重新索引，而是使用 .reindex

在以前的版本中，只要索引列表中存在至少一個(gè)有效標(biāo)簽，就可以使用 .loc[list-of-labels]

但是現(xiàn)在，只要索引列表中存在缺失的標(biāo)簽將引發(fā) KeyError 。推薦的替代方法是使用 .reindex() 。

例如

索引列表的標(biāo)簽都存在

先前的版本

但是，現(xiàn)在

索引標(biāo)簽列表中包含不存在的標(biāo)簽，使用 reindex

另外，如果你只想選擇有效的鍵，可以使用下面的方法，同時(shí)保留了數(shù)據(jù)的 dtype

對(duì)于 .reindex() ，如果有重復(fù)的索引將會(huì)引發(fā)異常

通常，您可以將所需的標(biāo)簽與當(dāng)前軸做交集，然后重新索引

但是，如果你的索引結(jié)果包含重復(fù)標(biāo)簽，還是會(huì)引發(fā)異常

使用 sample() 方法可以從 Series 或 DataFrame 中隨機(jī)選擇行或列。

該方法默認(rèn)會(huì)對(duì)行進(jìn)行采樣，并接受一個(gè)特定的行數(shù)、列數(shù)，或數(shù)據(jù)子集。

默認(rèn)情況下， sample 每行最多返回一次，但也可以使用 replace 參數(shù)進(jìn)行替換采樣

默認(rèn)情況下，每一行被選中的概率相等，但是如果你想讓每一行有不同的概率，你可以為 sample 函數(shù)的 weights 參數(shù)設(shè)置抽樣權(quán)值

這些權(quán)重可以是一個(gè)列表、一個(gè) NumPy 數(shù)組或一個(gè) Series ，但它們的長(zhǎng)度必須與你要抽樣的對(duì)象相同。

缺失的值將被視為權(quán)重為零，并且不允許使用 inf 值。如果權(quán)重之和不等于 1 ，則將所有權(quán)重除以權(quán)重之和，將其重新歸一化。例如

當(dāng)應(yīng)用于 DataFrame 時(shí)，您可以通過(guò)簡(jiǎn)單地將列名作為字符串傳遞給 weights 作為采樣權(quán)重（前提是您要采樣的是行而不是列）。

sample 還允許用戶使用 axis 參數(shù)對(duì)列進(jìn)行抽樣。

最后，我們還可以使用 random_state 參數(shù)為 sample 的隨機(jī)數(shù)生成器設(shè)置一個(gè)種子，它將接受一個(gè)整數(shù)（作為種子）或一個(gè) NumPy RandomState 對(duì)象

當(dāng)為該軸設(shè)置一個(gè)不存在的鍵時(shí)， .loc/[] 操作可以執(zhí)行放大

在 Series 的情況下，這實(shí)際上是一個(gè)追加操作

可以通過(guò) .loc 在任一軸上放大 DataFrame

這就像 DataFrame 的 append 操作

由于用 [] 做索引必須處理很多情況（單標(biāo)簽訪問(wèn)、分片、布爾索引等），所以需要一些開(kāi)銷來(lái)搞清楚你的意圖

如果你只想訪問(wèn)一個(gè)標(biāo)量值，最快的方法是使用 at 和 iat 方法，這兩個(gè)方法在所有的數(shù)據(jù)結(jié)構(gòu)上都實(shí)現(xiàn)了

與 loc 類似， at 提供了基于標(biāo)簽的標(biāo)量查找，而 iat 提供了基于整數(shù)的查找，與 iloc 類似

同時(shí)，你也可以根據(jù)這些索引進(jìn)行設(shè)置值

如果索引標(biāo)簽不存在，會(huì)放大數(shù)據(jù)

另一種常見(jiàn)的操作是使用布爾向量來(lái)過(guò)濾數(shù)據(jù)。運(yùn)算符包括：

|(or) 、 (and) 、 ~ (not)

這些必須用括號(hào)來(lái)分組，因?yàn)槟J(rèn)情況下， Python 會(huì)將 df['A'] 2 df['B'] 3 這樣的表達(dá)式評(píng)估為 df['A'] (2 df['B']) 3 ，而理想的執(zhí)行順序是 (df['A'] 2) (df['B'] 3)

使用一個(gè)布爾向量來(lái)索引一個(gè) Series ，其工作原理和 NumPy ndarray 一樣。

您可以使用一個(gè)與 DataFrame 的索引長(zhǎng)度相同的布爾向量從 DataFrame 中選擇行

列表推導(dǎo)式和 Series 的 map 函數(shù)可用于產(chǎn)生更復(fù)雜的標(biāo)準(zhǔn)

我們可以使用布爾向量結(jié)合其他索引表達(dá)式，在多個(gè)軸上索引

iloc 支持兩種布爾索引。如果索引器是一個(gè)布爾值 Series ，就會(huì)引發(fā)異常。

例如，在下面的例子中， df.iloc[s.values, 1] 是正確的。但是 df.iloc[s，1] 會(huì)引發(fā) ValueError 。

python的index函數(shù)，獲取最后一個(gè)

python的index函數(shù)可以獲取列表中值的第一個(gè)索引。

list= [1,2,3,4,5,1,2,2]

list.index(2) 1

如果要獲取相同值的最后一個(gè)索引：

len(list) - list[::-1].index(2) - 1

反向取得list后，用list的長(zhǎng)度減去反轉(zhuǎn)后出現(xiàn)的第一個(gè)索引再減1

Python求解答過(guò)程

第11題

因?yàn)槿∽址甌empStr的從TempStr[3]到TempStr[-2]的字符,

這里的下標(biāo)都是從0開(kāi)始,Python的數(shù)學(xué)取值區(qū)間都是[3,-1)半開(kāi)區(qū)間,

因此取值范圍是[3,-2],運(yùn)行結(jié)果是3.14159

第13題

這是一個(gè)求400到500間的水仙花數(shù)的程序,水仙花數(shù)是指各個(gè)數(shù)位上的數(shù)的3次方的和等于這個(gè)數(shù)本身的3位數(shù),

變量i是取這個(gè)3位數(shù)的百位上的數(shù)字,變量j是取這個(gè)3位數(shù)的十位上的數(shù)字,變量k是取這個(gè)3位數(shù)的個(gè)位上的數(shù)字,

如果這個(gè)數(shù)等于各個(gè)數(shù)位上的數(shù)的3次方的和,則打印這個(gè)數(shù),在400到500中水仙花數(shù)只有407.

你也可以用4*4*4+0*0*0+7*7*7=64+0+343=407來(lái)判斷答案是A,408不滿足上述條件,153和159不在400到500范圍內(nèi)

第43題

Python中的list中的index函數(shù)是返回字符串's'在list中的索引位置(Python的索引下標(biāo)都是從0開(kāi)始),后面的5和10,是可選項(xiàng)表示查找從下標(biāo)5到下標(biāo)10的范圍,

因?yàn)镻ython都是半開(kāi)區(qū)間,所以實(shí)際范圍為[5,9]區(qū)間,所以在"ky is"中查找's',其索引位置在整個(gè)字符串中是9,返回打印9

網(wǎng)頁(yè)題目：python中的索引函數(shù),python中什么叫索引
本文鏈接：http://jinyejixie.com/article4/dsseoie.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、面包屑導(dǎo)航、企業(yè)建站、網(wǎng)站設(shè)計(jì)、品牌網(wǎng)站設(shè)計(jì)、網(wǎng)站改版

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)