In [1]: import pandas as pd
- 鐵達尼號資料
本教學課程使用以 CSV 儲存的鐵達尼號資料集。資料包含下列資料欄位
PassengerId：每位乘客的 ID。
Survived：表示乘客是否倖存。是為
0，否為1。Pclass：3 種票艙等級之一：艙等
1、艙等2和艙等3。Name：乘客姓名。
Sex：乘客性別。
Age：乘客年齡（單位：年）。
SibSp：同船的兄弟姊妹或配偶人數。
Parch：同船的父母或子女人數。
Ticket：乘客的船票號碼。
Fare：表示票價。
Cabin：乘客的艙房號碼。
Embarked：登船港口。
In [2]: titanic = pd.read_csv("data/titanic.csv") In [3]: titanic.head() Out[3]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S [5 rows x 12 columns]
如何選取 DataFrame 的子集？#
如何從 DataFrame 選取特定欄位？#
我對鐵達尼號乘客的年齡有興趣。
In [4]: ages = titanic["Age"] In [5]: ages.head() Out[5]: 0 22.0 1 38.0 2 26.0 3 35.0 4 35.0 Name: Age, dtype: float64
若要選取單一欄位，請使用方括號
[]，並加上您有興趣的欄位名稱。
DataFrame 中的每個欄位都是 Series。由於選取單一欄位，傳回的物件是 pandas Series。我們可以透過檢查輸出的類型來驗證這一點
In [6]: type(titanic["Age"])
Out[6]: pandas.core.series.Series
並查看輸出的 shape
In [7]: titanic["Age"].shape
Out[7]: (891,)
DataFrame.shape 是 pandas Series 和 DataFrame 的屬性（請記住 關於讀取和寫入的教學，不要對屬性使用括號），其中包含列數和欄位數：(列數, 欄位數)。pandas Series 是 1 維的，因此只會傳回列數。
我對鐵達尼號乘客的年齡和性別有興趣。
In [8]: age_sex = titanic[["Age", "Sex"]] In [9]: age_sex.head() Out[9]: Age Sex 0 22.0 male 1 38.0 female 2 26.0 female 3 35.0 female 4 35.0 male
若要選取多個欄位，請在選取方括號
[]內使用欄位名稱清單。
注意
內部方括號定義一個Python 清單，其中包含欄位名稱，而外部方括號則用於從 pandas DataFrame 中選取資料，如前一個範例所示。
傳回的資料類型是 pandas DataFrame
In [10]: type(titanic[["Age", "Sex"]])
Out[10]: pandas.core.frame.DataFrame
In [11]: titanic[["Age", "Sex"]].shape
Out[11]: (891, 2)
選取傳回一個有 891 列和 2 欄的 DataFrame。請記住，DataFrame 是二維的，同時具有列和欄維度。
有關索引的基本資訊，請參閱使用者指南中關於索引和選取資料的部分。
我如何從 DataFrame 中篩選特定列？#
我對年齡超過 35 歲的乘客有興趣。
In [12]: above_35 = titanic[titanic["Age"] > 35] In [13]: above_35.head() Out[13]: PassengerId Survived Pclass ... Fare Cabin Embarked 1 2 1 1 ... 71.2833 C85 C 6 7 0 1 ... 51.8625 E46 S 11 12 1 1 ... 26.5500 C103 S 13 14 0 3 ... 31.2750 NaN S 15 16 1 2 ... 16.0000 NaN S [5 rows x 12 columns]
若要根據條件式選取列，請在選取方括號
[]中使用條件。
選取方括號 titanic["Age"] > 35 中的條件會檢查 Age 欄位中哪些列的值大於 35
In [14]: titanic["Age"] > 35
Out[14]:
0 False
1 True
2 False
3 False
4 False
...
886 False
887 False
888 False
889 False
890 False
Name: Age, Length: 891, dtype: bool
條件表達式的輸出（>，但還有 ==、!=、<、<= 等會運作）實際上是 pandas Series 的布林值（True 或 False）系列，其列數與原始 DataFrame 相同。此類布林值的 Series 可用於篩選 DataFrame，方法是將其置於選取括號 [] 之間。僅會選取值為 True 的列。
我們從前面得知，原始的 Titanic DataFrame 包含 891 列。讓我們透過查看結果 DataFrame above_35 的 shape 屬性，來看看符合條件的列數。
In [15]: above_35.shape
Out[15]: (217, 12)
我對艙等為 2 和 3 的 Titanic 乘客感興趣。
In [16]: class_23 = titanic[titanic["Pclass"].isin([2, 3])] In [17]: class_23.head() Out[17]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 2 3 1 3 ... 7.9250 NaN S 4 5 0 3 ... 8.0500 NaN S 5 6 0 3 ... 8.4583 NaN Q 7 8 0 3 ... 21.0750 NaN S [5 rows x 12 columns]
類似條件式，
isin()條件函數會為提供清單中值的每一列傳回True。若要根據此類函數篩選列，請在選取方括號[]中使用條件函數。在此情況下，選取方括號titanic["Pclass"].isin([2, 3])中的條件會檢查Pclass欄位為 2 或 3 的列。
上述內容等同於篩選類別為 2 或 3 的列，並將兩個陳述結合使用 | (或) 運算子
In [18]: class_23 = titanic[(titanic["Pclass"] == 2) | (titanic["Pclass"] == 3)]
In [19]: class_23.head()
Out[19]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
2 3 1 3 ... 7.9250 NaN S
4 5 0 3 ... 8.0500 NaN S
5 6 0 3 ... 8.4583 NaN Q
7 8 0 3 ... 21.0750 NaN S
[5 rows x 12 columns]
注意
結合多個條件式陳述時，每個條件都必須以括號 () 括起來。此外，您無法使用 or/and，而是需要使用 or 運算子 | 和 and 運算子 &。
我想處理已知年齡的乘客資料。
In [20]: age_no_na = titanic[titanic["Age"].notna()] In [21]: age_no_na.head() Out[21]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S [5 rows x 12 columns]
notna()條件函數會針對每個值不是Null值的列傳回True。因此，這可以與選取中括號[]結合使用，以篩選資料表。
您可能會想知道實際上改變了什麼，因為前 5 列仍然是相同的數值。驗證的方法之一是檢查形狀是否已改變
In [22]: age_no_na.shape
Out[22]: (714, 12)
如需有關遺失值的更專用函數，請參閱使用者指南中關於 處理遺失資料 的區段。
如何從 DataFrame 中選取特定的列和欄？#
我對年齡大於 35 歲的乘客姓名有興趣。
In [23]: adult_names = titanic.loc[titanic["Age"] > 35, "Name"] In [24]: adult_names.head() Out[24]: 1 Cumings, Mrs. John Bradley (Florence Briggs Th... 6 McCarthy, Mr. Timothy J 11 Bonnell, Miss. Elizabeth 13 Andersson, Mr. Anders Johan 15 Hewlett, Mrs. (Mary D Kingcome) Name: Name, dtype: object
在此情況下，一次建立列和欄的子集，而且僅使用選取中括號
[]已不足夠。選取中括號[]前面需要loc/iloc算子。使用loc/iloc時，逗號前面的部分是要選取的列，而逗號後面的部分是要選取的欄。
使用欄位名稱、列標籤或條件式時，請在選取括弧 [] 前面使用 loc 算子。在逗號前後兩部分，您可以使用單一標籤、標籤清單、標籤切片、條件式或冒號。使用冒號表示您要選取所有列或欄。
我對第 10 到第 25 列和第 3 到第 5 欄有興趣。
In [25]: titanic.iloc[9:25, 2:5] Out[25]: Pclass Name Sex 9 2 Nasser, Mrs. Nicholas (Adele Achem) female 10 3 Sandstrom, Miss. Marguerite Rut female 11 1 Bonnell, Miss. Elizabeth female 12 3 Saundercock, Mr. William Henry male 13 3 Andersson, Mr. Anders Johan male .. ... ... ... 20 2 Fynney, Mr. Joseph J male 21 2 Beesley, Mr. Lawrence male 22 3 McGowan, Miss. Anna "Annie" female 23 1 Sloper, Mr. William Thompson male 24 3 Palsson, Miss. Torborg Danira female [16 rows x 3 columns]
同樣地，一次建立列和欄的子集，而且只使用選取括弧
[]不再足夠。當特別感興趣於表格中基於其位置的特定列和/或欄時，請在選取括弧[]前面使用iloc算子。
使用 loc 或 iloc 選取特定列和/或欄時，可以將新值指定給選取的資料。例如，將名稱 anonymous 指定給第四欄的前 3 個元素
In [26]: titanic.iloc[0:3, 3] = "anonymous"
In [27]: titanic.head()
Out[27]:
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
[5 rows x 12 columns]
請參閱使用者指南中的 不同索引選項 部分，以更深入了解 loc 和 iloc 的用法。
請記住
選取資料子集時，請使用方括弧
[]。在這些括弧內，您可以使用單一欄/列標籤、欄/列標籤清單、標籤切片、條件式或冒號。
使用列和欄位名稱時，使用
loc選擇特定列和/或欄位。使用表格中的位置時，使用
iloc選擇特定列和/或欄位。您可以根據
loc/iloc為選取項目指定新值。
在 索引和選取資料 的使用者指南頁面中提供了索引的完整概觀。