快捷導(dǎo)航

Python?Pandas中布爾索引的用法詳解

更新時(shí)間：2022年08月31日 14:09:56 作者：海擁

布爾索引是一種使用?DataFrame?中數(shù)據(jù)的實(shí)際值的索引。本文將通過一些示例為大家詳細(xì)講講Python中布爾索引的用法，需要的可以參考一下

使用布爾索引訪問 DataFrame
使用.loc[]訪問具有布爾索引的數(shù)據(jù)框
使用.iloc[]訪問具有布爾索引的數(shù)據(jù)框
使用.ix[]訪問具有布爾索引的數(shù)據(jù)框
將布爾掩碼應(yīng)用于數(shù)據(jù)框
根據(jù)列值屏蔽數(shù)據(jù)

在布爾索引中，我們將根據(jù) DataFrame 中數(shù)據(jù)的實(shí)際值而不是它們的行/列標(biāo)簽或整數(shù)位置來選擇數(shù)據(jù)子集。在布爾索引中，我們使用布爾向量來過濾數(shù)據(jù)。

布爾索引是一種使用 DataFrame 中數(shù)據(jù)的實(shí)際值的索引。在布爾索引中，我們可以通過四種方式過濾數(shù)據(jù)：

使用布爾索引訪問 DataFrame
將布爾掩碼應(yīng)用于數(shù)據(jù)幀
根據(jù)列值屏蔽數(shù)據(jù)
根據(jù)索引值屏蔽數(shù)據(jù)

使用布爾索引訪問 DataFrame

為了訪問具有布爾索引的數(shù)據(jù)幀，我們必須創(chuàng)建一個(gè)數(shù)據(jù)幀，其中數(shù)據(jù)幀的索引包含一個(gè)布爾值，即“真”或“假”。

例子

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

df = pd.DataFrame(dict, index = [True, False, True, False])

print(df)

輸出：

現(xiàn)在我們已經(jīng)創(chuàng)建了一個(gè)帶有布爾索引的數(shù)據(jù)框，之后用戶可以在布爾索引的幫助下訪問數(shù)據(jù)框。用戶可以使用 .loc[]、.iloc[]、.ix[] 三個(gè)函數(shù)訪問數(shù)據(jù)幀

使用.loc[]訪問具有布爾索引的數(shù)據(jù)框

為了使用 .loc[] 訪問具有布爾索引的數(shù)據(jù)幀，我們只需在 .loc[] 函數(shù)中傳遞一個(gè)布爾值（True 或 False）。

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 使用布爾索引創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .loc[] 函數(shù)訪問數(shù)據(jù)框
print(df.loc[True])

輸出：

使用.iloc[]訪問具有布爾索引的數(shù)據(jù)框

為了使用 .iloc[] 訪問數(shù)據(jù)幀，我們必須傳遞一個(gè)布爾值（True 或 False），但 iloc[] 函數(shù)只接受整數(shù)作為參數(shù)，因此它會(huì)拋出錯(cuò)誤，因此我們只能在我們?cè)L問數(shù)據(jù)幀時(shí)訪問在 iloc[] 函數(shù)中傳遞一個(gè)整數(shù)

代碼#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 使用布爾索引創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .iloc[] 函數(shù)訪問數(shù)據(jù)幀
print(df.iloc[True])

輸出：

TypeError

代碼#2：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 使用布爾索引創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict, index = [True, False, True, False])


# 使用 .iloc[] 函數(shù)訪問數(shù)據(jù)幀
print(df.iloc[1])

輸出：

使用.ix[]訪問具有布爾索引的數(shù)據(jù)框

為了使用 .ix[] 訪問數(shù)據(jù)幀，我們必須將布爾值（True 或 False）和整數(shù)值傳遞給 .ix[] 函數(shù)，因?yàn)槲覀冎?.ix[] 函數(shù)是 .loc[] 的混合體和 .iloc[] 函數(shù)。

代碼#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 使用布爾索引創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict, index = [True, False, True, False])


# 使用 .ix[] 函數(shù)訪問數(shù)據(jù)幀
print(df.ix[True])

輸出：

代碼#2：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

# 使用布爾索引創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict, index = [True, False, True, False])


# 使用 .ix[] 函數(shù)訪問數(shù)據(jù)幀
print(df.ix[1])

輸出：

將布爾掩碼應(yīng)用于數(shù)據(jù)框

在數(shù)據(jù)框中，我們可以應(yīng)用布爾掩碼。為此，我們可以使用 getitems 或 [] 訪問器。我們可以通過給出與數(shù)據(jù)幀中包含的長度相同的 True 和 False 列表來應(yīng)用布爾掩碼。當(dāng)我們應(yīng)用布爾掩碼時(shí)，它將僅打印我們傳遞布爾值 True 的數(shù)據(jù)幀。

代碼#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["MBA", "BCA", "M.Tech", "MBA"],
		'score':[90, 40, 80, 98]}

df = pd.DataFrame(dict, index = [0, 1, 2, 3])



print(df[[True, False, True, False]])

輸出：

代碼#2：

# importing pandas package
import pandas as pd

# 從csv文件制作數(shù)據(jù)框
data = pd.read_csv("nba1.1.csv")

df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
								7, 8, 9, 10, 11, 12])


print(df[[True, False, True, False, True,
	False, True, False, True, False,
				True, False, True]])

輸出：

根據(jù)列值屏蔽數(shù)據(jù)

在數(shù)據(jù)框中，我們可以根據(jù)列值過濾數(shù)據(jù)。為了過濾數(shù)據(jù)，我們可以使用不同的運(yùn)算符對(duì)數(shù)據(jù)框應(yīng)用某些條件，例如 ==、>、<、<=、>=。當(dāng)我們將這些運(yùn)算符應(yīng)用于數(shù)據(jù)幀時(shí)，它會(huì)產(chǎn)生一系列真假。

代碼#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["BCA", "BCA", "M.Tech", "BCA"],
		'score':[90, 40, 80, 98]}

# 創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame(dict)

# 使用比較運(yùn)算符過濾數(shù)據(jù)
print(df['degree'] == 'BCA')

輸出：

代碼#2：

# importing pandas package
import pandas as pd

# 從csv文件制作數(shù)據(jù)框
data = pd.read_csv("nba.csv", index_col ="Name")

# 使用大于運(yùn)算符過濾數(shù)據(jù)
print(data['Age'] > 25)

輸出：

根據(jù)索引值屏蔽數(shù)據(jù)：

在數(shù)據(jù)框中，我們可以根據(jù)列值過濾數(shù)據(jù)。為了過濾數(shù)據(jù)，我們可以使用 ==、>、< 等不同的運(yùn)算符根據(jù)索引值創(chuàng)建掩碼。

代碼#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
		'degree': ["BCA", "BCA", "M.Tech", "BCA"],
		'score':[90, 40, 80, 98]}


df = pd.DataFrame(dict, index = [0, 1, 2, 3])

mask = df.index == 0

print(df[mask])

輸出：

代碼#2：

# importing pandas package
import pandas as pd

# 從csv文件制作數(shù)據(jù)框
data = pd.read_csv("nba1.1.csv")

# 為數(shù)據(jù)框提供索引
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
								7, 8, 9, 10, 11, 12])

# 根據(jù)索引值過濾數(shù)據(jù)
mask = df.index > 7

print(df[mask])

輸出：