pandas经常使用操做，你想要都在这里。。。

用了这么久的pandas，但每次使用的时候须要靠网络才能勉强度日(*╹▽╹*)。网络

集中整理一下，常常用到但又容易搞混的功能。。。dom

1,、iloc与loc的用法与区别spa

#这两个功能很是基础，也常常会用到，并且每每能够玩出不同的花样~ 

#以该数据集为例
import pandas as pd
import numpy as np 

df = pd.DataFrame(np.array(list('abcd1abcd1abcd0abcd1abcd0badc0')).reshape(6,5),
 index=range(6),columns=['A','B','C','D','E']) 

 A B C D E 0 a b c d 1 1 a b c d 1 2 a b c d 0 3 a b c d 1 4 a b c d 0 5 b a d c 0

#常规操做
【1】
df.loc[1]
A    a
B    b
C    c
D    d
E    1

df.iloc[1] 
A    a
B    b
C    c
D    d
E    0
# 运行会发现，只返回一行的话，iloc和loc的结果都是同样的

【2】
df.loc[1:4]
 A B C D E 1 a b c d 1 2 a b c d 0 3 a b c d 1 4 a b c d 0

df.iloc[1:4]
 A B C D E 1 a b c d 1 2 a b c d 0 3 a b c d 1
#这下稍有些不一样,loc是闭区间返回，iloc是开区间返回，更符合通常的切片操做

【3】
df.loc[1:4,:3] #会报错
df.loc[1:4,['A','B']] #能够经过具体的列进行索引
 A B 1 a b 2 a b 3 a b 4 a b

df.iloc[1:4,:3]
 A B C 1 a b c 2 a b c 3 a b c
df.iloc[1:4,['A','B']]#会报错


df.iloc[1:3,[3]] # 但能够经过列标签的索引切出单独的列，或者用区间的形式
 D 1 d 2 d 3 d

总结：

loc：通常经过行标签或者列标签进行索引进行切片code

iloc：通常经过行索引或者列索引进行切片blog


df.iloc[:,df.columns!='E'] 
df.loc[:,df.columns!='E'] #两者均可以经过这样的方式进行切片，能够用于feature与label的分离，但由于loc是闭区间切片，所以可能更适合

df.columns!='E' #返回的是一个布尔型的列表

df.loc[1:3,[True,True,True,False]] #所以也能够这样进行索引

 A B C 1 a b c 2 a b c 3 a b c

二、随机打乱DataFrame数据的排序排序

#以该数据及为例
import pandas as pd import numpy as np 
df = pd.DataFrame(np.array(list('abcdcbaceebcabcdacbeaabcbfnaeb')).reshape(5,6), index=range(5),columns=['a','b','c','d','e','f'])  

pandas提供了sample的方法：

df = df.sample(frac=1).reset_index(drop=True) #加上reset_index是为了让随机打乱的样本仍是按照正常的顺序进行排序，若是要保留打乱的索引，不加便可
运行结果以下：
   a  b  c  d  e  f
4  b  f  n  a  e  b
2  a  b  c  d  a  c
1  a  c  e  e  b  c
3  b  e  a  a  b  c
0  a  b  c  d  c  b

这里还能够设置要返回的比例，好比df中有10行数据，我只想返回其中的40%,那么frac=0.4
df = df.sample(frac=0.4).reset_index(drop=True)
   a  b  c  d  e  f
0  a  c  e  e  b  c
1  a  b  c  d  a  c

延伸：固然还有其余方法，好比利用sklearn库，或者利用numpy
from sklearn.utils import shuffle
sk = shuffle(df).reset_index()

np = df.iloc[np.random.permutation(len(df))]

未完待续。。。索引