第四章：数据查看与选择

在这一章中，我们将学习如何使用 pandas 来查看数据的基本信息，并进行数据的选择与索引操作。这些操作是数据预处理和分析的重要步骤。

1. 查看数据的基本信息

pandas 提供了多种方法来查看数据的基本信息，这对于理解数据结构非常重要。

示例代码

假设我们有一个 DataFrame：

import pandas as pd

# 创建一个 DataFrame
data_frame = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [25, 30, 35, 40, 45],
    'City': ['New York', 'San Francisco', 'Los Angeles', 'Chicago', 'Seattle']
}, index=[1, 2, 3, 4, 5])

查看数据的基本信息

• .head(n)：查看前 n 行，默认为 5 行。
• .tail(n)：查看最后 n 行，默认为 5 行。
• .info()：查看数据的概要信息，包括索引、列、非空值数量和数据类型。
• .describe()：查看数值型列的描述性统计信息。

# 查看前 3 行
print("Head:")
print(data_frame.head(3))

# 查看最后 2 行
print("\nTail:")
print(data_frame.tail(2))

# 查看数据概要信息
print("\nInfo:")
print(data_frame.info())

# 查看描述性统计信息
print("\nDescribe:")
print(data_frame.describe())

2. 数据选择与索引

数据选择与索引是数据处理中非常重要的部分。pandas 提供了多种方法来进行数据的选择。

示例代码

假设我们仍然使用上面创建的 DataFrame。

选择数据

• .loc：标签定位，用于通过行标签和列标签选择数据。
• .iloc：整数定位，用于通过行号和列号选择数据。
• .at：快速访问单个标量值。
• .iat：快速访问单个标量值。

# 使用 .loc 选择数据
print("\nUsing .loc:")
print(data_frame.loc[2])  # 选择索引为 2 的行
print(data_frame.loc[[2, 4], ['Name', 'City']])  # 选择索引为 2 和 4 的行，并选择 Name 和 City 列

# 使用 .iloc 选择数据
print("\nUsing .iloc:")
print(data_frame.iloc[1])  # 选择第 2 行（从 0 开始计数）
print(data_frame.iloc[[1, 3], [0, 2]])  # 选择第 2 和 4 行，并选择第 1 和 3 列

# 使用 .at 和 .iat 访问单个标量值
print("\nUsing .at and .iat:")
print(data_frame.at[3, 'Age'])  # 访问索引为 3 的 Age 值
print(data_frame.iat[3, 1])  # 访问第 4 行（从 0 开始计数）的第 2 列

3. 示例代码

下面是一个完整的示例代码，展示了如何查看数据的基本信息并进行数据选择：

import pandas as pd

# 创建一个 DataFrame
data_frame = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [25, 30, 35, 40, 45],
    'City': ['New York', 'San Francisco', 'Los Angeles', 'Chicago', 'Seattle']
}, index=[1, 2, 3, 4, 5])

# 查看前 3 行
print("Head:")
print(data_frame.head(3))

# 查看最后 2 行
print("\nTail:")
print(data_frame.tail(2))

# 查看数据概要信息
print("\nInfo:")
print(data_frame.info())

# 查看描述性统计信息
print("\nDescribe:")
print(data_frame.describe())

# 使用 .loc 选择数据
print("\nUsing .loc:")
print(data_frame.loc[2])  # 选择索引为 2 的行
print(data_frame.loc[[2, 4], ['Name', 'City']])  # 选择索引为 2 和 4 的行，并选择 Name 和 City 列

# 使用 .iloc 选择数据
print("\nUsing .iloc:")
print(data_frame.iloc[1])  # 选择第 2 行（从 0 开始计数）
print(data_frame.iloc[[1, 3], [0, 2]])  # 选择第 2 和 4 行，并选择第 1 和 3 列

# 使用 .at 和 .iat 访问单个标量值
print("\nUsing .at and .iat:")
print(data_frame.at[3, 'Age'])  # 访问索引为 3 的 Age 值
print(data_frame.iat[3, 1])  # 访问第 4 行（从 0 开始计数）的第 2 列

4. 运行结果

当你运行上述代码时，将会输出如下结果：

Head:
     Name  Age          City
1   Alice   25      New York
2     Bob   30  San Francisco
3  Charlie   35    Los Angeles

Tail:
      Name  Age        City
4   David   40     Chicago
5     Eve   45      Seattle

Info:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 1 to 5
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   Name    5 non-null      object
 1   Age     5 non-null      int64 
 2   City    5 non-null      object
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes

Describe:
         Age
count  5.0000
mean 35.0000
std   7.0711
min  25.0000
25%  30.0000
50%  35.0000
75%  40.0000
max  45.0000

Using .loc:
Name      Bob
Age       30
City  San Francisco
Name: 2, dtype: object

    Name          City
2    Bob  San Francisco
4  David      Chicago

Using .iloc:
Name    Bob
Age     30
City  San Francisco
Name: 2, dtype: object

    Name          City
2    Bob  San Francisco
4  David      Chicago

Using .at and .iat:
40
40

5. 小结

在这一章中，我们介绍了如何使用 pandas 查看数据的基本信息，并进行了数据的选择与索引操作。这些操作是数据预处理和分析的基础，能够帮助我们更好地理解和处理数据。

下一章我们将继续探讨如何进行数据清洗，包括处理缺失值、重命名列名、重置索引等操作。