持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第2天，点击查看活动详情

注意：本案例使用 Jupyter Notebook 进行案例演示

今天，我们将继续介绍Pandas库数据处理基本操作，本节将主要介绍数据的索引，如何使用索引获取指定数据？有一张表，如何获取你想要的数据？

1. 索引操作

1.1 直接索引

• 如果想直接索引到想要的数据，需要遵循第一个[]内为列索引，第二个[]内为行索引
• 先列后行：data[][]
• 若想使用先行后列的形式：data.loc[][]

1.2 按名字索引

• data.loc[][]：输入行列索引名称

接下来，我们使用案例进行操作演示：

读取数据：将获取到的数据传给变量people

import pandas as pd
people = pd.read_csv("data/data140190/人口.csv")
people.head()

读取数据后的的运行结果如下图所示：

对于上面所示的数据，我们先进行直接索引操作：

• 语法：
  • 先列后行：data[][]

# 必须先列后行
people["出生人口(万)"][1]

运行结果如下图所示：["出生人口(万)"]为列索引，[1]为行索引。

1.3 按数字索引

• data.iloc[][]
• 直接传入行列索引对应的数字即可

people_new.iloc[0][0]

运行结果如下图所示：

1.4 组合索引

• 数字和名字混用

1.4.1 方法1：

• 使用.loc
• 名称索引可直接输入名称
• 数字索引需要转换索引（先获取到数字所在位置的索引值）
• people.index[0:4]：获取0-4行的行索引

people.loc[people.index[0:4], ["出生人口(万)","中国性别比例(按照女生=100)"]]

运行结果如下图所示：既使用了数字索引people.index[0:4]，又使用了名称索引"出生人口(万)","中国性别比例(按照女生=100)"，即获取到了第一行至第四行的"出生人口(万)"与"中国性别比例(按照女生=100)"两列数据。

1.4.2 方法2：

• 使用.iloc
  • 对于数字索引可以直接使用数字表示
  • 对于名称索引需要先获取到名称所在的索引
  • columns.get_indexer：获取列索引

people.iloc[0:4, people.columns.get_indexer(['出生人口(万)','中国性别比例(按照女生=100)'])]
# data.columns.get_indexer获取某几个列索引

运行结果如下图所示：