个人网页制作全过程_沈阳seo网站管理_公司seo排名优化_小程序开发教程

Pandas 中的布尔索引

布尔索引是一种使用 DataFrame 中数据的实际值的索引。在布尔索引中，我们可以通过四种方式过滤数据：

• 使用布尔索引访问 DataFrame
• 将布尔掩码应用于DataFrame
• 根据列值屏蔽数据
• 根据索引值屏蔽数据

使用布尔索引访问 DataFrame： 

为了使用布尔索引访问DataFrame，我们必须创建一个DataFrame，其中DataFrame的索引包含布尔值“True”或“False”。

例子  

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
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)
输出： 

现在我们已经创建了一个带有布尔索引的DataFrame，之后用户可以借助布尔索引访问DataFrame。用户可以使用三个函数访问DataFrame，即 .loc[]、.iloc[]、.ix[] 

使用.loc[]访问具有布尔索引的DataFrame

为了使用 .loc[] 访问具有布尔索引的DataFrame，我们只需在 .loc[] 函数中传递一个布尔值（True 或 False）。 

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index 
df = pd.DataFrame(dict, index = [True, False, True, False])
 
# accessing a dataframe using .loc[] function 
print(df.loc[True])
输出：

使用.iloc[]访问具有布尔索引的DataFrame

为了使用 .iloc[] 访问DataFrame，我们必须传递一个布尔值（True 或 False），但 iloc[] 函数仅接受整数作为参数，因此它会引发错误，因此只有在 iloc[] 函数中传递整数时我们才能访问DataFrame 

代码 #1：  

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index  
df = pd.DataFrame(dict, index = [True, False, True, False])
 
# accessing a dataframe using .iloc[] function 
print(df.iloc[True])
输出： 

TypeError

代码 #2：  

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index  
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .iloc[] function
print(df.iloc[1])
输出：

使用.ix[]访问具有布尔索引的DataFrame

为了使用 .ix[] 访问DataFrame，我们必须将布尔值（True 或 False）和整数值传递给 .ix[] 函数，因为我们知道 .ix[] 函数是 .loc[] 和 .iloc[] 函数的混合。 

代码 #1：  

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .ix[] function
print(df.ix[True])
输出： 

代码 #2： 

Python

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index 
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .ix[] function
print(df.ix[1])
输出：

将布尔掩码应用于DataFrame： 

在DataFrame中，我们可以应用布尔掩码。为此，我们可以使用 __getitems__ 或 [] 访问器。我们可以通过提供与DataFrame中包含的长度相同的 True 和 False 列表来应用布尔掩码。当我们应用布尔掩码时，它将仅打印我们传递布尔值 True 的DataFrame。要下载“ nba1.1 ”CSV 文件，请单击此处。

代码 #1： 

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
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]])
输出： 

代码 #2： 

Python3

# importing pandas package
import pandas as pd
  
# making data frame from csv file
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]])
输出： 

根据列值屏蔽数据： 

在DataFrame中，我们可以根据列值过滤数据。为了过滤数据，我们可以使用不同的运算符（如 ==、>、<、<=、>=）对DataFrame应用某些条件。当我们将这些运算符应用于DataFrame时，它会产生一系列 True 和 False。要下载“nba.csv”CSV，请单击此处。

代码 #1： 

Python

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["BCA", "BCA", "M.Tech", "BCA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe 
df = pd.DataFrame(dict)
  
# using a comparison operator for filtering of data
print(df['degree'] == 'BCA')
输出： 

代码 #2： 

Python

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
  
# using greater than operator for filtering of data
print(data['Age'] > 25)
输出： 

根据索引值屏蔽数据： 

在DataFrame中，我们可以根据列值过滤数据。为了过滤数据，我们可以使用不同的运算符（如 ==、>、< 等）根据索引值创建掩码……要下载“ nba1.1 ”CSV 文件，请单击此处。

代码 #1：  

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
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])
输出： 

代码 #2： 

Python3

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba1.1.csv")
 
# giving a index to a dataframe
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
                                 7, 8, 9, 10, 11, 12])
 
# filtering data on index value
mask = df.index > 7
 
print(df[mask])
输出：