Data used for this tutorial:

• Titanic data

  本教程使用泰坦尼克号数据集，它以 CSV 格式存储。该数据包含以下数据列：

  • PassengerId：每位乘客的 ID。

  • Survived：乘客是否存活的指示。0 表示生存，1 表示死亡。

  • Pclass：3 个票务等级之一：1 等、2 等和 3 等。

  • Name：乘客姓名。

  • Sex：乘客性别。

  • Age：乘客年龄（以年为单位）。

  • SibSp：船上兄弟姐妹或配偶的数量。

  • Parch：船上父母或子女的数量。

  • Ticket：乘客的票号。

  • Fare：指示票价。

  • Cabin：乘客的客舱号。

  • Embarked：登船港口。

  To raw data

如何选择 DataFrame 的子集？

如何从 DataFrame 中选择特定列？

• 我对泰坦尼克号乘客的年龄感兴趣。

  要选择单列，请使用方括号 [] 并加上您感兴趣的列的列名。

DataFrame 中的每一列都是一个 Series 。由于选择的是单列，因此返回的对象是一个 pandas Series 。我们可以通过检查输出的类型来验证这一点：

并查看输出的 shape：

DataFrame.shape 是一个 pandas Series 和 DataFrame 的属性（请记住 tutorial on reading and writing ，属性不要使用括号），包含行数和列数：(行数, 列数)。pandas Series 是 1 维的，只返回行数。

• 我对泰坦尼克号乘客的年龄和性别感兴趣。

  要选择多列，请在选择括号 [] 内使用列名列表。

备注

内部方括号定义了一个包含列名的 Python list ，而外部括号用于从 pandas DataFrame 中选择数据，如前一个示例所示。

返回的数据类型是 pandas DataFrame：

选择返回了一个包含 891 行和 2 列的 DataFrame。记住，DataFrame 是 2 维的，同时具有行和列维度。

To user guide

有关索引的基本信息，请参阅用户指南中关于 indexing and selecting data 的部分。

如何从 DataFrame 中筛选特定行？

• 我对年龄大于 35 岁的乘客感兴趣。

  要根据条件表达式选择行，请在选择方括号 [] 内使用条件。

选择方括号 [] 内的条件 titanic["Age"] > 35 检查 Age 列的值大于 35 的行：

条件表达式（>，但 ==、!=、<、<= 等也可以）的输出实际上是一个布尔值（True 或 False）的 pandas Series，其行数与原始 DataFrame 相同。此类布尔值 Series 可通过将其置于选择方括号 [] 之间来过滤 DataFrame。将只选择值为 True 的行。

我们之前知道，原始的 Titanic DataFrame 由 891 行组成。通过检查结果 DataFrame above_35 的 shape 属性，我们来看看满足条件的行数：

• 我对泰坦尼克号的 2 等舱和 3 等舱乘客感兴趣。

  与条件表达式类似，isin() 条件函数会为值在列表中的每一行返回 True。要根据此类函数过滤行，请在选择方括号 [] 内使用条件函数。在本例中，选择方括号 [] 内的条件 titanic["Pclass"].isin([2, 3]) 检查 Pclass 列为 2 或 3 的行。

上面的语句等同于筛选出舱位为 2 或 3 的行，并将这两个语句与 ``|``（或）运算符组合起来：

备注

组合多个条件语句时，每个条件都必须用括号 () 括起来。此外，不能使用 or/and，而必须使用 or 运算符 | 和 and 运算符 &。

To user guide

请参阅用户指南中关于 boolean indexing 或 isin function 的专门部分。

• 我想处理年龄已知的乘客数据。

  notna() 条件函数为值不是 Null 值的每一行返回 True。因此，这可以与选择方括号 [] 结合使用来过滤数据表。

您可能会想，实际发生了什么变化，因为前 5 行仍然是相同的值。一种验证方法是检查形状是否已更改：

To user guide

有关缺失值的更多专用函数，请参阅用户指南中关于 handling missing data 的部分。

如何从 DataFrame 中选择特定行和列？

• 我对年龄大于 35 岁的乘客姓名感兴趣。

  在这种情况下，行和列的子集是一次性完成的，仅使用选择方括号 [] 不再足够。必须在选择方括号 [] 前使用 loc/iloc 运算符。使用 loc/iloc 时，逗号前的部分是要选择的行，逗号后的部分是要选择的列。

当使用列名、行标签或条件表达式时，请在选择方括号 [] 前使用 loc 运算符。对于逗号前后的部分，您可以使用单个标签、标签列表、标签切片、条件表达式或冒号。使用冒号表示您要选择所有行或列。

• 我对第 10 到 25 行和第 3 到 5 列感兴趣。

  同样，行和列的子集是一次性完成的，仅使用选择方括号 [] 不再足够。当根据表格中的位置特定于某些行和/或列时，请在选择方括号 [] 前使用 iloc 运算符。

当使用 loc 或 iloc 选择特定行和/或列时，可以为选定的数据分配新值。例如，将名称 anonymous 分配给第四列的前 3 个元素：

To user guide

请参阅用户指南中关于 different choices for indexing 的部分，以更深入地了解 loc 和 iloc 的用法。

REMEMBER

• 选择数据的子集时，使用方括号 []。

• 在这些方括号内，您可以使用单个列/行标签、标签列表、标签切片、条件表达式或冒号。

• 使用行和列名称时，请使用 loc 来选择特定的行和/或列。

• 使用表格中的位置时，请使用 iloc 来选择特定的行和/或列。

• 您可以根据 loc/iloc 为选定的内容分配新值。

To user guide

有关索引的完整概述，请参阅用户指南中关于 indexing and selecting data 的页面。