Python Pandas中布尔索引的用法详解

在布尔索引中，我们将根据 DataFrame 中数据的实际值而不是它们的行/列标签或整数位置来选择数据子集。在布尔索引中，我们使用布尔向量来过滤数据。

布尔索引是一种使用 DataFrame 中数据的实际值的索引。在布尔索引中，我们可以通过四种方式过滤数据：

• 使用布尔索引访问 DataFrame

• 将布尔掩码应用于数据帧

• 根据列值屏蔽数据

• 根据索引值屏蔽数据

使用布尔索引访问 DataFrame

为了访问具有布尔索引的数据帧，我们必须创建一个数据帧，其中数据帧的索引包含一个布尔值，即“真”或“假”。

例子

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

df = pd.DataFrame(dict, index = [True, False, True, False])

print(df)

输出： 

现在我们已经创建了一个带有布尔索引的数据框，之后用户可以在布尔索引的帮助下访问数据框。用户可以使用 .loc[]、.iloc[]、.ix[] 三个函数访问数据帧 

使用.loc[]访问具有布尔索引的数据框

为了使用 .loc[] 访问具有布尔索引的数据帧，我们只需在 .loc[] 函数中传递一个布尔值（True 或 False）。

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .loc[] 函数访问数据框
print(df.loc[True])

输出： 

使用.iloc[]访问具有布尔索引的数据框

为了使用 .iloc[] 访问数据帧，我们必须传递一个布尔值（True 或 False），但 iloc[] 函数只接受整数作为参数，因此它会抛出错误，因此我们只能在我们访问数据帧时访问在 iloc[] 函数中传递一个整数 

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .iloc[] 函数访问数据帧
print(df.iloc[True])

输出：

TypeError

代码#2：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .iloc[] 函数访问数据帧
print(df.iloc[1])

输出：

使用.ix[]访问具有布尔索引的数据框

为了使用 .ix[] 访问数据帧，我们必须将布尔值（True 或 False）和整数值传递给 .ix[] 函数，因为我们知道 .ix[] 函数是 .loc[] 的混合体和 .iloc[] 函数。 

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .ix[] 函数访问数据帧
print(df.ix[True])

输出： 

代码#2：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

# 使用布尔索引创建数据框
df = pd.DataFrame(dict, index = [True, False, True, False])

# 使用 .ix[] 函数访问数据帧
print(df.ix[1])

输出： 

将布尔掩码应用于数据框

在数据框中，我们可以应用布尔掩码。为此，我们可以使用 getitems 或 [] 访问器。我们可以通过给出与数据帧中包含的长度相同的 True 和 False 列表来应用布尔掩码。当我们应用布尔掩码时，它将仅打印我们传递布尔值 True 的数据帧。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["MBA", "BCA", "M.Tech", "MBA"],
'score':[90, 40, 80, 98]}

df = pd.DataFrame(dict, index = [0, 1, 2, 3])

print(df[[True, False, True, False]])

输出： 

代码#2： 

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba1.1.csv")

df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10, 11, 12])

print(df[[True, False, True, False, True,
False, True, False, True, False,
True, False, True]])

输出： 

根据列值屏蔽数据

在数据框中，我们可以根据列值过滤数据。为了过滤数据，我们可以使用不同的运算符对数据框应用某些条件，例如 ==、>、<、<=、>=。当我们将这些运算符应用于数据帧时，它会产生一系列真假。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["BCA", "BCA", "M.Tech", "BCA"],
'score':[90, 40, 80, 98]}

# 创建数据框
df = pd.DataFrame(dict)

# 使用比较运算符过滤数据
print(df['degree'] == 'BCA')

输出： 

代码#2：

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 使用大于运算符过滤数据
print(data['Age'] > 25)

输出： 

根据索引值屏蔽数据： 

在数据框中，我们可以根据列值过滤数据。为了过滤数据，我们可以使用 ==、>、< 等不同的运算符根据索引值创建掩码。

代码#1：

# importing pandas as pd
import pandas as pd

# 列表字典
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
'degree': ["BCA", "BCA", "M.Tech", "BCA"],
'score':[90, 40, 80, 98]}

df = pd.DataFrame(dict, index = [0, 1, 2, 3])

mask = df.index == 0

print(df[mask])

输出：

代码#2：

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba1.1.csv")

# 为数据框提供索引
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10, 11, 12])

# 根据索引值过滤数据
mask = df.index > 7

print(df[mask])

输出： 

来源：https://juejin.cn/post/7137885620919074852