python索引行名

『壹』 pandas將某一行設置為列索引（python）

b[b.['state']=='ohio'].index

In [36]: list(df['state']).index('ohio')

Out[36]: 0

In [37]: list(df['state']).index('nevada')

Out[37]: 1

訪問某一列可以通過b['state']和b.state這兩種方法進行，但是輸出的pandas裡面的Series這種數據類型，因此b['state'].index()返回Index([0,1], dtype=object)。

因為數據分析知某個值並不是非常重要，所以沒有直接輸出索引值的函數，可以通過query()函數，b.query('state == "obio"')，輸出含有ohio的行自然也就知道索引。

(1)python索引行名擴展閱讀：

索引是為了加速對表中數據行的檢索而創建的一種分散的存儲結構。索引是針對表而建立的，它是由數據頁面以外的索引頁面組成的，每個索引頁面中的行都會含有邏輯指針，以便加速檢索物理數據。

在資料庫關系圖中，可以在選定表的「索引/鍵」屬性頁中創建、編輯或刪除每個索引類型。當保存索引所附加到的表，或保存該表所在的關系圖時，索引將保存在資料庫中。

在資料庫系統中建立索引主要有以下作用：

（1）快速取數據；

（2）保證數據記錄的唯一性；

（3）實現表與表之間的參照完整性；

（4）在使用ORDER by、group by子句進行數據檢索時，利用索引可以減少排序和分組的時間。

『貳』 如何在python列表中查找某個元素的索引

1、方法一： 利用數組自身的特性 a.index(target), 其中a是目標list，target是需要的下標對應的值。代碼如下：

2、分片：

分片用於截取某個范圍內的元素，通過:來指定起始區間（左閉右開區間，包含左側索引值對應的元素，但不包含右測索引值對應的元素）。

分片包括起始索引對應的元素，但不包括終止索引對應的元素，索引為正值時可以發生越界但只會取到最後一個元素。如果索引值為負值，則表示從最右邊元素開始，此時需避免索引越界。

『叄』 python怎麼把某行設為索引

主鍵是表中的一個或多個欄位，它的值用於惟一地標識表中的某一條記錄.且不能為空；
索引是對資料庫表中一列或多列的值進行排序的一種結構，只有當經常查詢索引列中的數據時，才需要在表上創建索引，使用索引可快速訪問資料庫表中的特定信息。
索引佔用磁碟空間，並且降低添加、刪除和更新行的速度。當然索引也有好處就是查詢速度快，它利還是大於弊的所以請慎重使用索引。

『肆』 python如何通過文件名前的編號索引出完整的文件名

用os.walk（path）遍歷文件夾A得到A文件夾下所有的文件以及目錄，根據獲取到的所有的文件名，通過if name in file_name 來過濾出你要的文件

import os


for root, path, names in os.walk(r'D: est'):
print(root, path, names)
for name in names:
if 'a' in name:
print('---------')
print(name)
print('---------')

『伍』 python(pandas模塊)

1.什麼是pandas? numpy模塊和pandas模塊都是用於處理數據的模塊。 numpy主要用於針對數組進行統計計算,處理數字數據比較方便。 pandas除了可以處理數字數據,還可...

『陸』 index在python中的用法

如下：

1、index函數：用於從列表中找出某個值第一個匹配項的索引位置。

2、index方法語法：list.index(x[,start[,end]])。

3、參數：x-- 查找的對象。start-- 可選，查找的起始位置。end-- 可選，查找的結束位置。

4、返回值：該方法返回查找對象的索引位置，如果沒有找到對象則拋出異常。

5、實例：

代碼：str1="thisisstringexample....wow!!!"；str2="exam"。

index函數為print(str1.index(str2))。

python中index函數怎麼用？

Python中index方法檢測字元串中是否包含子字元串 str ，如果指定 beg（開始） 和 end（結束） 范圍，則檢查是否包含在指定范圍內，該方法與 python find方法一樣，只不過如果str不在string中會報一個異常。

index函數一般用處是在序列中檢索參數並返回第一次出現的索引，沒找到就會報錯。

『柒』 Python的pandas 數組如何得到索引值，如圖，我要得到ohio 的索引值，應該怎樣做

你列的這個是pandas裡面的數據框DataFrame數據類型，其實和R語言裡面的差不多。訪問某一列可以通過b['state']和b.state這兩種方法進行，但是輸出的pandas裡面的Series這種數據類型，因此b['state'].index()返回Index([0,1], dtype=object)。因為數據分析某個值並不是非常重要，所以據我所知沒有直接輸出索引值的函數，不過可以通過query()函數，b.query('state == "obio"')，輸出含有ohio的行自然也就知道了索引了。

『捌』 Python 數據處理（二十九）—— MultiIndex 高級索引操作

從語法上將 MultiIndex 與 .loc 集成在高級索引中是有些挑戰性。通常， MultiIndex 的鍵採用元組的形式。例如

注意 : 雖然也可以使用 df.loc['bar', 'two'] ，但這種簡寫的符號通常會導致歧義

如果你還想用 .loc 索引某一列，你必須像這樣使用一個元組

想要獲取第一個級別的某一標簽的所有元素，並不需要傳遞元組，例如

而不是使用 df.loc[('bar'，)，] (等價於 df.loc['bar'，] )

當然，也可以進行切片

通過提供一個元組切片，選擇范圍內的值

傳遞一個標簽或元組列表的工作原理類似於 reindex

需要注意的是，在 pandas 中，當涉及到索引時，元組和列表的處理方式並不相同。

元組被解釋為一個多級鍵，而列表則用來指定多個鍵。或者換句話說，元組是橫向的，列表是縱向的

您可以通過提供多個索引器來對 MultiIndex 進行切片

可以使用 slice(None) 選擇該級別的所有內容，沒有指定索引的級別默認為 slice(None)

通常，切片的兩段都會包括在內，因為這是標簽索引

在使用 .loc 的時候，最好同時指定索引（行）和標簽（列），因為在某些情況下，傳遞的索引可能會被解析為兩個軸而不是 MultiIndex

你應該使用

而不是

例如

使用切片，列表和標簽的基本 MultiIndex 切片操作

你可以使用 pandas.IndexSlice 來讓 : 語法顯得更自然一些，而不是使用 slice(None)

可以使用這種方法在多個軸同時進行相當復雜的選擇

您可以使用布爾索引器來進行與值相關的選擇

您還可以為 .loc 指定 axis 參數，以在某一個軸上傳遞切片

此外，您可以使用以下方法設置這些值

也可以在等號右邊使用可對齊對象

DataFrame 的 xs() 方法還接受一個 level 參數，以便更容易在 MultiIndex 的特定級別上選擇數據

使用切片

您還可以為 xs 提供 axis 參數來選擇列

使用切片

xs 還允許使用多個鍵進行選擇

使用切片

您可以將 drop_level=False 傳遞給 xs ，以保留所選擇的級別

使用 drop_level=True (默認值)與上面的結果比較

在 pandas 對象的 reindex() 和 align() 方法中使用 level 參數，可以在一個級別上廣播值

swaplevel() 方法可以切換兩個級別的順序

reorder_levels() 方法是 swaplevel 方法的推廣，允許你在一個步驟中排列分層索引級別

rename() 方法可用於重命名 MultiIndex 的標簽，通常用於重命名 DataFrame 的列

rename 的 columns 參數允許指定需要重命名的列的字典

這個方法也可以用來重命名 DataFrame 主索引的特定標簽

rename_axis() 方法用於重命名 Index 或 MultiIndex 的名稱。

特別地，可以指定 MultiIndex 的級別名稱，可以使用 reset_index() 將 MultiIndex 移動到列

注意 ： DataFrame 的列是一個索引，因此使用 rename_axis 和 columns 參數可以改變該索引的名稱

rename 和 rename_axis 都支持指定字典、 Series 或映射函數來將標簽/名稱映射到新值

當直接使用 Index 對象而不是通過 DataFrame 工作時，可以使用 Index.set_names() 來更改名稱

您不能通過 level 設置 MultiIndex 的名稱

使用 Index.set_names() 替代

『玖』 Python 數據處理（二十四）—— 索引和選擇

如果你想獲取 'A' 列的第 0 和第 2 個元素，你可以這樣做:

這也可以用 .iloc 獲取，通過使用位置索引來選擇內容

可以使用 .get_indexer 獲取多個索引:

警告 ：

對於包含一個或多個缺失標簽的列表，使用 .loc 或 [] 將不再重新索引，而是使用 .reindex

在以前的版本中，只要索引列表中存在至少一個有效標簽，就可以使用 .loc[list-of-labels]

但是現在，只要索引列表中存在缺失的標簽將引發 KeyError 。推薦的替代方法是使用 .reindex() 。

例如

索引列表的標簽都存在

先前的版本

但是，現在

索引標簽列表中包含不存在的標簽，使用 reindex

另外，如果你只想選擇有效的鍵，可以使用下面的方法，同時保留了數據的 dtype

對於 .reindex() ，如果有重復的索引將會引發異常

通常，您可以將所需的標簽與當前軸做交集，然後重新索引

但是，如果你的索引結果包含重復標簽，還是會引發異常

使用 sample() 方法可以從 Series 或 DataFrame 中隨機選擇行或列。

該方法默認會對行進行采樣，並接受一個特定的行數、列數，或數據子集。

默認情況下， sample 每行最多返回一次，但也可以使用 replace 參數進行替換采樣

默認情況下，每一行被選中的概率相等，但是如果你想讓每一行有不同的概率，你可以為 sample 函數的 weights 參數設置抽樣權值

這些權重可以是一個列表、一個 NumPy 數組或一個 Series ，但它們的長度必須與你要抽樣的對象相同。

缺失的值將被視為權重為零，並且不允許使用 inf 值。如果權重之和不等於 1 ，則將所有權重除以權重之和，將其重新歸一化。例如

當應用於 DataFrame 時，您可以通過簡單地將列名作為字元串傳遞給 weights 作為采樣權重（前提是您要采樣的是行而不是列）。

sample 還允許用戶使用 axis 參數對列進行抽樣。

最後，我們還可以使用 random_state 參數為 sample 的隨機數生成器設置一個種子，它將接受一個整數（作為種子）或一個 NumPy RandomState 對象

當為該軸設置一個不存在的鍵時， .loc/[] 操作可以執行放大

在 Series 的情況下，這實際上是一個追加操作

可以通過 .loc 在任一軸上放大 DataFrame

這就像 DataFrame 的 append 操作

由於用 [] 做索引必須處理很多情況（單標簽訪問、分片、布爾索引等），所以需要一些開銷來搞清楚你的意圖

如果你只想訪問一個標量值，最快的方法是使用 at 和 iat 方法，這兩個方法在所有的數據結構上都實現了

與 loc 類似， at 提供了基於標簽的標量查找，而 iat 提供了基於整數的查找，與 iloc 類似

同時，你也可以根據這些索引進行設置值

如果索引標簽不存在，會放大數據

另一種常見的操作是使用布爾向量來過濾數據。運算符包括：

|(or) 、 &(and) 、 ~ (not)

這些必須用括弧來分組，因為默認情況下， Python 會將 df['A'] > 2 & df['B'] < 3 這樣的表達式評估為 df['A'] > (2 & df['B']) < 3 ，而理想的執行順序是 (df['A'] > 2) & (df['B'] < 3)

使用一個布爾向量來索引一個 Series ，其工作原理和 NumPy ndarray 一樣。

您可以使用一個與 DataFrame 的索引長度相同的布爾向量從 DataFrame 中選擇行

列表推導式和 Series 的 map 函數可用於產生更復雜的標准

我們可以使用布爾向量結合其他索引表達式，在多個軸上索引

iloc 支持兩種布爾索引。如果索引器是一個布爾值 Series ，就會引發異常。

例如，在下面的例子中， df.iloc[s.values, 1] 是正確的。但是 df.iloc[s，1] 會引發 ValueError 。

『拾』 Python—padas(DataFrame)的常用操作

我們先說一下DataFrame是什麼：

1、DataFrame是一種數據框結構,相當於是一個矩陣形式，單元格可以存放數值、字元串等，這和excel表很像；

2、DataFrame是有 行（index）和 列（columns）可以設置的；

有了示例，我們就能明白創建時需要傳入數據，指定index（行索引名）和columns（列名）；

在我們需要將單個元素的字典直接轉為DataFrame時，程序會報錯，需要適當做些轉換，指定行索引或者列索引才行；

在增加列的時候我們用到了一個索引loc，後面我們再詳細對loc進行說明，此處先知道可以這樣使用。

文本字元串數據處理之前，一定要先轉為字元（.str）再進行處理

loc 和 iloc如果容易記混，你就取巧記憶，index是索引

所以iloc則是依據位置索引進行取數，沒有i的則是按照名稱進行提取數據

原諒我很懶，比較喜歡這樣框架式的筆記，所以文字就會比較少(#^.^#)！！！