本博客爲《利用Python進行數據分析》的讀書筆記，請勿轉載用於其他商業用途。
1、重建索引
reindex是Pandas對象的重要方法，該方法用於創建一個符合新索引的新對象。例：
obj = pd.Series([4.5, 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])
print(obj)
#
d 4.5
b 7.2
a -5.3
c 3.6
dtype: float64
Series調用reindex方法時，會將數據按照新的索引進行排列，如果某個索引值之前並不存在，則會引入缺失值：
obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])
print(obj2)
#
a -5.3
b 7.2
c 3.6
d 4.5
e NaN
dtype: float64
對於順序數據，比如時間序列，在重建索引時可能會需要進行插值或填值。method可選參數允許我們使用諸如ffill等方法在重建索引時插值，ffill方法會將值前向填充：
obj3= pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
print(obj3)
obj3 = obj3.reindex(range(6), method='ffill')
print(obj3)
#
0 blue
2 purple
4 yellow
dtype: object
0 blue
1 blue
2 purple
3 purple
4 yellow
5 yellow
dtype: object
在DataFrame中，reindex可以改變行索引、列索引，也可以同時改變二者。當僅傳入一個序列時，結果中的行會重建索引：
frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['Ohio', 'Texas', 'California'])
print(frame)
frame2 = frame.reindex(['a', 'b', 'c', 'd'])
print(frame2)
#
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
Ohio Texas California
a 0.0 1.0 2.0
b NaN NaN NaN
c 3.0 4.0 5.0
d 6.0 7.0 8.0
列可以使用columns關鍵字重建索引：
states = ['Texas', 'Utah', 'California']
frame3 = frame.reindex(columns = states)
print(frame3)
#
Texas Utah California
a 1 NaN 2
c 4 NaN 5
d 7 NaN 8
我們可以使用loc進行更爲簡潔的標籤索引：
frame3 = frame.loc[['a', 'b', 'c', 'd'], states]
print(frame3)
#
Texas Utah California
a 1.0 NaN 2.0
b NaN NaN NaN
c 4.0 NaN 5.0
d 7.0 NaN 8.0
reindex方法的參數
參數 描述 index 新建作爲索引的序列，可以是索引實例或任意其他序列型Python數據結構，索引使用時無需複製 method 插值方式；‘ffill’爲前向填充，而‘bfill’爲 後向填充 fill_value 通過重新索引引入缺失數據時使用的替代值 limit 當前向或後向填充式，所需填充的最大尺寸間隙（以元素數量） tolerance 當前向或後向填充時，所需填充的不精確匹配下的最大尺寸間隙（以絕對數字距離） level 匹配MultiIndex級別的簡單索引；否則選擇子集 copy 如果爲True，及時新索引等於舊索引，也總是複製底層數據；如果是False，則在索引相同時不要複製數據
2、軸向上刪除條目
如果我們已經擁有索引數組或不含條目的列表，在軸向上刪除一個或更多的條目就非常容易，但這樣需要一些數據操作和集合邏輯，drop方法會返回一個含有指示值或軸向上刪除值的新對象：
obj = pd.Series(np.arange(5.), index=['a', 'b', 'c', 'd', 'e'])
print(obj)
#
a 0.0
b 1.0
c 2.0
d 3.0
e 4.0
dtype: float64
new_obj = obj.drop('c')
print(new_obj)
print(obj.drop(['d', 'c']))
print(obj)
#
a 0.0
b 1.0
d 3.0
e 4.0
dtype: float64
a 0.0
b 1.0
e 4.0
dtype: float64
在DataFrame中，索引值可以從軸向上刪除。爲了表明這個特性，我們首先創建一個示例DataFrame：
data = pd.DataFrame(np.arange(16).reshape((4, 4)),
index=['Ohio', 'Colorado', 'Utah', 'New York'],
columns=['one', 'two', 'three', 'four'])
print(data)
#
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
在調用drop時使用標籤序列會根據行標籤刪除值：
data1 = data.drop(['Colorado', 'Ohio'])
print(data1)
#
one two three four
Utah 8 9 10 11
New York 12 13 14 15
我們可以通過傳遞axis=1或axis=‘columns’來從列中刪除值：
data2 = data.drop('two', axis=1)
print(data2)
#
one three four
Ohio 0 2 3
Colorado 4 6 7
Utah 8 10 11
New York 12 14 15
data3 = data.drop(['two', 'four'], axis='columns')
print(data3)
#
one three
Ohio 0 2
Colorado 4 6
Utah 8 10
New York 12 14
很多函數，例如drop，會修改Series或DataFrame的尺寸或形狀，這些方法直接操作原對象而不返回新對象：
obj = pd.Series(np.arange(5.), index=['a', 'b', 'c', 'd', 'e'])
obj.drop('c', inplace=True)
print(obj)
#
a 0.0
b 1.0
d 3.0
e 4.0
dtype: float64
注意inplace屬性，它會清除被刪除的數據。
3、索引、選擇與過濾
Series的索引（obj[...]）與NumPy數組索引的功能類似，只不過Series的索引值可以不僅僅是整數。相關示例如下：
obj = pd.Series(np.arange(4.), index=['a', 'b', 'c', 'd'])
print(obj)
print(obj['b'])
print(obj[1])
print(obj[2:4])
print(obj[['b', 'a', 'd']])
print(obj[[1, 3]])
print(obj[obj<2])
#
a 0.0
b 1.0
c 2.0
d 3.0
dtype: float64
1.0
1.0
c 2.0
d 3.0
dtype: float64
b 1.0
a 0.0
d 3.0
dtype: float64
b 1.0
d 3.0
dtype: float64
a 0.0
b 1.0
dtype: float64
普通的Python切片中是不包含尾部的，Series的切片與之不同：
需要注意的是，在上一個例子中，如果切片是取數字的話，結果與Python切片一樣，是不包含的
print(obj['b':'c'])
#
b 1.0
c 2.0
dtype: float64
使用這些方法設值時會修改Series相應的部分：
obj['b':'c'] = 5
print(obj)
#
a 0.0
b 5.0
c 5.0
d 3.0
dtype: float64
使用單個值或序列，可以從DataFrame中索引出一個或多個列：
data = pd.DataFrame(np.arange(16).reshape((4,4)),
index=['Ohio', 'Colorado', 'Utah', 'New York'],
columns=['one', 'two', 'three', 'four'])
print(data)
#
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
print(data['two'])
print(data[['three', 'one']])
#
Ohio 1
Colorado 5
Utah 9
New York 13
Name: two, dtype: int32
three one
Ohio 2 0
Colorado 6 4
Utah 10 8
New York 14 12
這種索引方式也有特殊案例。首先，可以根據一個布爾值數組切片或選擇數據：
print(data[:2])
print(data[data['three'] > 5])
#
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
one two three four
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
行選擇語法data[ :2]非常方便。傳遞單個元素或一個列表到[ ]符號中可以選擇列。另一個用例是使用布爾值DataFrame進行索引，布爾值DataFrame可以是對標量值進行比較產生的：
print(data < 5)
data[data < 5] = 0
print(data)
#
one two three four
Ohio True True True True
Colorado True False False False
Utah False False False False
New York False False False False
one two three four
Ohio 0 0 0 0
Colorado 0 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
在這個特殊的例子中，這種索引方式使得DataFrame在語法上更像是NumPy二維數組。
使用loc和iloc選擇數據
loc和iloc允許我們使用軸標籤（loc）和整數標籤（iloc）以NumPy風格的語法從DataFrame中選出數組的行和列的子集。
我們通過標籤選出單行多列的數據作爲基礎示例：
obj = data.loc['Colorado', ['two', 'three']]
print(obj)
#
two 5
three 6
Name: Colorado, dtype: int32
然後我們使用整數標籤iloc進行類似的數據選擇：
obj2 = data.iloc[2, [3, 0, 1]]
print(obj2)
#
four 11
one 8
two 9
Name: Utah, dtype: int32
此處iloc[2, [3,0,1]]代表的意識是，第2行，因此選擇到‘Utah’，然後第3、0、1列，分別對應11、8、9。
obj = data.iloc[2]
print(obj)
obj2 = data.iloc[[1, 2], [3, 0, 1]]
print(obj2)
#
one 8
two 9
three 10
four 11
Name: Utah, dtype: int32
four one two
Colorado 7 4 5
Utah 11 8 9
這裏需要特別注意的是，loc和iloc後面用中括號[ ]而不是小括號（）。
除了單個標籤或標籤列之外，索引功能還可以用於切片：
obj = data.loc[:'Utah', 'two']
print(obj)
#
Ohio 1
Colorado 5
Utah 9
Name: two, dtype: int32
能取到Utah州，但是取不到第1列……好吧……
obj = data.iloc[:, :3][data.three > 5]
print(obj)
#
one two three
Colorado 4 5 6
Utah 8 9 10
New York 12 13 14
因此，有多種方式可以選擇、重排pandas對象中的數據。
DataFrame索引選項
類型 描述 df[val] 從DataFrame中選擇單列或列序列；特殊情況的便利：布爾數組（過濾行），切片（切片行）或布爾值DataFrame（根據某些標準設置的值） df.loc[val] 根據標籤選擇DataFrame的單行或多行 df.loc[ :, val] 根據表格選擇單列或多列 df.loc[val1, val2] 同時選擇行和列中的一部分 df.iloc[where] 根據整數位置選擇單行或多行 df.iloc[:, where] 根據整數位置選擇單列或多列 df.iloc[where_i, where_j] 根據整數位置選擇行和列 df.at[label_i, label_j] 根據行、列標籤選擇單個標量值 df.iat[i, j] 根據行、列整數位置選擇單個標量值 reindex方法 通過標籤選擇行或列 get_value, set_value方法 根據行和列的標籤設置單個值