在資料處理流程中，Pandas 的索引操作扮演著關鍵角色，影響著資料存取速度和程式碼簡潔性。設定適當的索引能大幅提升查詢效率，而活用 loc 索引器則能精準選取所需資料，避免繁瑣的迭代操作。理解 reset_index 方法也能在需要時靈活還原索引至預設狀態。這些技巧共同構成了 Pandas 資料處理的基本，熟練掌握能有效提升程式碼品質與執行效率，尤其在處理大型資料集時更能展現其優勢。
資料索引設定
在資料分析中，設定適當的索引對於資料操作和查詢非常重要。以下是設定資料索引的步驟和解釋：
資料索引設定方法
import pandas as pd
# 建立一個範例DataFrame
data = {
'Employee Name': ['Vikas', 'Saurabh', 'Vikas', 'Mintoo', 'Vikas', None],
'Salary': [200000.0, 400000.0, 210000.0, 110000.0, None, 130000.0],
'City': ['Lara', None, None, 'Jhansi', 'Anand', 'Aligarh']
}
mydf = pd.DataFrame(data)
print(mydf)
print('-'*50)
# 將'Employee Name'設為索引
mydf.set_index(keys='Employee Name', inplace=True)
print(mydf)
內容解密：
mydf.set_index(keys='Employee Name', inplace=True)：這行程式碼將’Employee Name’欄位設為索引。inplace=True表示直接修改原來的DataFrame，不傳回新的DataFrame。print(mydf)：列印設定索引後的DataFrame，可以看到原來的’Employee Name’欄位現在變成了索引。
資料索引設定的好處
設定適當的索引可以提高資料查詢和操作的效率，特別是在處理大型資料集時。同時，設定索引也可以幫助我們更好地理解和分析資料。
圖表翻譯：
flowchart TD
A[原始資料] --> B[設定索引]
B --> C[提高查詢效率]
C --> D[更好地理解資料]
圖表說明：
A[原始資料]：代表原始的資料集。B[設定索引]：代表設定索引的過程。C[提高查詢效率]：代表設定索引後可以提高查詢效率。D[更好地理解資料]：代表設定索引後可以更好地理解和分析資料。
資料重建與索引重設
在資料處理中，經常需要對資料進行重建和索引重設，以便更好地管理和分析資料。以下是使用Python的pandas函式庫進行資料重建和索引重設的示例。
資料重建
首先，我們需要建立一個資料框架（DataFrame），如下所示：
import pandas as pd
data = {
'Employee Name': ['Vikas', 'Saurabh', 'Vikas', 'Mintoo', 'Vikas', None],
'Salary': [200000.0, 400000.0, 210000.0, 110000.0, None, 130000.0],
'City': ['Lara', None, None, 'Jhansi', 'Anand', 'Aligarh']
}
df = pd.DataFrame(data)
索引重設
接下來，我們可以使用reset_index方法重設索引。這個方法可以將現有的索引重設為預設的數字索引，並且可以選擇是否刪除舊的索引。
# 重設索引，不刪除舊的索引
df_reset = df.reset_index(drop=False)
# 重設索引，刪除舊的索引
df_reset_drop = df.reset_index(drop=True)
示例程式碼
以下是完整的示例程式碼：
import pandas as pd
data = {
'Employee Name': ['Vikas', 'Saurabh', 'Vikas', 'Mintoo', 'Vikas', None],
'Salary': [200000.0, 400000.0, 210000.0, 110000.0, None, 130000.0],
'City': ['Lara', None, None, 'Jhansi', 'Anand', 'Aligarh']
}
df = pd.DataFrame(data)
print("原始資料：")
print(df)
df_reset = df.reset_index(drop=False)
print("\n重設索引，不刪除舊的索引：")
print(df_reset)
df_reset_drop = df.reset_index(drop=True)
print("\n重設索引，刪除舊的索引：")
print(df_reset_drop)
結果
執行上述程式碼後，將得到以下結果：
原始資料：
Employee Name Salary City
0 Vikas 200000.0 Lara
1 Saurabh 400000.0 NaN
2 Vikas 210000.0 NaN
3 Mintoo 110000.0 Jhansi
4 Vikas NaN Anand
5 NaN 130000.0 Aligarh
重設索引，不刪除舊的索引：
index Employee Name Salary City
0 0 Vikas 200000.0 Lara
1 1 Saurabh 400000.0 NaN
2 2 Vikas 210000.0 NaN
3 3 Mintoo 110000.0 Jhansi
4 4 Vikas NaN Anand
5 5 NaN 130000.0 Aligarh
重設索引，刪除舊的索引：
Employee Name Salary City
0 Vikas 200000.0 Lara
1 Saurabh 400000.0 NaN
2 Vikas 210000.0 NaN
3 Mintoo 110000.0 Jhansi
4 Vikas NaN Anand
5 NaN 130000.0 Aligarh
內容解密：
在上述程式碼中，我們使用reset_index方法重設索引。這個方法可以將現有的索引重設為預設的數字索引，並且可以選擇是否刪除舊的索引。如果drop=False，則不刪除舊的索引；如果drop=True，則刪除舊的索引。
使用Pandas的loc[]索引器進行資料選擇
Pandas的loc[]索引器是一種強大的工具，允許使用者根據標籤（label）選擇資料列和欄位，而不是根據其在資料框架中的位置。這種方法可以讓使用者更容易地選擇特定的資料列和欄位，尤其是在資料框架中有明確的索引標籤時。
基本語法
使用loc[]索引器選擇資料列的基本語法如下：
mydf.loc[index_label]
其中，mydf是資料框架的名稱，index_label是要選擇的索引標籤。如果選擇的索引標籤存在於資料框架中，則會傳回一個Series物件，如果選擇多個索引標籤，則會傳回一個資料框架物件。
範例
假設我們有一個名為Salary City的資料框架，其索引標籤為員工姓名，內容如下：
Salary City
0 200000.0 Lara
1 400000.0 NaN
2 210000.0 NaN
3 110000.0 Jhansi
4 NaN Anand
5 130000.0 Aligarh
如果我們想要選擇索引標籤為Lara的資料列，可以使用以下程式碼：
import pandas as pd
# 載入資料框架
df = pd.read_csv('loc_eg.csv', index_col='myname')
# 選擇索引標籤為Lara的資料列
row = df.loc['Lara']
print(row)
這將傳回一個Series物件，包含索引標籤為Lara的資料列。
多個索引標籤的選擇
如果我們想要選擇多個索引標籤，可以傳遞一個列表或切片給loc[]索引器。例如：
# 選擇索引標籤為Lara和Jhansi的資料列
rows = df.loc[['Lara', 'Jhansi']]
print(rows)
這將傳回一個資料框架物件，包含索引標籤為Lara和Jhansi的資料列。
錯誤處理
如果指定的索引標籤不存在於資料框架中，loc[]索引器將丟擲一個KeyError異常。例如：
# 選擇索引標籤為不存在的資料列
try:
row = df.loc['不存在']
except KeyError as e:
print(e)
這將丟擲一個KeyError異常，指出索引標籤不存在於資料框架中。
內容解密：
在上面的範例中，我們使用loc[]索引器選擇了資料框架中的特定資料列。這種方法可以讓使用者更容易地選擇特定的資料列和欄位，尤其是在資料框架中有明確的索引標籤時。然而，需要注意的是，如果指定的索引標籤不存在於資料框架中，將丟擲一個KeyError異常。因此，需要進行錯誤處理以避免這種情況。
圖表翻譯：
以下是使用Mermaid語法繪製的流程圖，展示了使用loc[]索引器選擇資料列的過程：
flowchart TD
A[載入資料框架] --> B[選擇索引標籤]
B --> C[傳回Series物件或資料框架物件]
C --> D[錯誤處理]
D --> E[丟擲KeyError異常]
這個流程圖展示了使用loc[]索引器選擇資料列的過程，包括載入資料框架、選擇索引標籤、傳回Series物件或資料框架物件、錯誤處理和丟擲KeyError異常。
資料索引與存取
在 Pandas 中，.loc[] 是用於根據標籤存取資料的方法。它允許你透過行索引或列索引來存取資料。
單行資料存取
當你使用 .loc[] 來存取單行資料時，它會傳回一個 Series 物件。例如：
print(mypd_dataframe.loc['Divya'])
這會輸出：
myname Divya
myage 34
mycountry India
Name: Divya, dtype: object
多行資料存取
如果你使用 .loc[] 來存取多行資料時，它會傳回一個 DataFrame 物件。例如：
print(mypd_dataframe.loc['Saurabh'])
這會輸出：
myname myage mycountry
Saurabh Saurabh 35 Finland
Saurabh Saurabh 40 Italy
錯誤處理
如果你使用 .loc[] 來存取不存在的索引時，它會丟擲一個 KeyError。例如：
print(mypd_dataframe.loc['Johnny'])
這會丟擲一個 KeyError 因為沒有名為 ‘Johnny’ 的索引。
內容解密：
在這個例子中，我們使用 .loc[] 來存取資料。當我們存取單行資料時，它會傳回一個 Series 物件。當我們存取多行資料時，它會傳回一個 DataFrame 物件。如果我們存取不存在的索引時，它會丟擲一個 KeyError。
圖表翻譯：
graph LR
A[.loc[]] --> B[Series]
A --> C[DataFrame]
A --> D[KeyError]
B --> E[單行資料]
C --> F[多行資料]
D --> G[錯誤處理]
在這個圖表中，我們可以看到 .loc[] 的工作流程。當我們使用 .loc[] 來存取資料時，它會根據索引的型別傳回不同的物件。如果索引存在且只有一行資料時，它會傳回一個 Series 物件。如果索引存在且有多行資料時，它會傳回一個 DataFrame 物件。如果索引不存在時，它會丟擲一個 KeyError。
使用 Pandas 的 loc 函式進行資料選取
在 Pandas 中，loc 函式是一種強大的工具，允許您根據標籤選取資料。它提供了一種更為直觀和安全的方式來存取資料，尤其是在您需要根據索引標籤進行選取時。
基本使用
首先，您需要匯入 Pandas 函式庫並建立一個 DataFrame。以下是示範如何使用 loc 函式選取資料的範例：
import pandas as pd
# 建立一個簡單的 DataFrame
data = {
'myname': ['Saurabh', 'Mintoo', 'Priyanka', 'Divya'],
'myage': [35, 40, 45, 50],
'mycountry': ['Finland', 'Italy', 'France', 'India']
}
df = pd.DataFrame(data)
# 設定 'myname' 欄位為索引
df.set_index('myname', inplace=True)
print(df)
使用 loc 函式進行選取
現在，您可以使用 loc 函式根據索引標籤選取資料。以下示範如何選取從 ‘Mintoo’ 到 ‘Priyanka’ 的資料：
print(df.loc['Mintoo':'Priyanka'])
使用步長進行選取
您也可以指定步長來選取資料。例如，以下示範如何以 2 為步長選取從 ‘Mintoo’ 到 ‘Priyanka’ 的資料：
print(df.loc['Mintoo':'Priyanka':2])
注意事項
- 當使用
loc函式時，開始和結束索引都是包含在內的。 - 如果您嘗試存取不存在的索引標籤，Pandas 會丟擲
KeyError。 loc函式提供了一種安全的方式來存取資料，因為它不會因為索引錯誤而導致資料遺失或錯誤。
實際應用
在實際應用中，您可能需要根據特定的條件或規則選取資料。loc 函式提供了一種靈活的方式來實作這些需求。例如，您可以根據多個條件結合選取資料：
print(df.loc[(df['myage'] > 40) & (df.index >= 'Mintoo')])
這樣，您就可以根據不同的條件和規則進行資料選取和分析。
資料索引與選取
在 Pandas 中，loc 是一個強大的工具，允許您根據標籤選取資料。它不僅可以選取單行或單列資料，也可以選取資料的子集。
選取資料範圍
當您想要選取某個範圍的資料時，可以使用 loc 方法並指定開始和結束的索引標籤。例如，若要選取從 ‘Divya’ 到 ‘Priyanka’ 的資料，可以這樣做：
print(mypd_dataframe.loc['Divya':'Priyanka'])
這將會輸出從 ‘Divya’ 到 ‘Priyanka’ 的所有資料。
內容解密：
loc方法允許您根據索引標籤選取資料。- 當您指定開始和結束的索引標籤時，
loc方法會選取從開始到結束的所有資料（含開始和結束）。 - 如果您只指定開始索引標籤，則
loc方法會選取從開始到資料結尾的所有資料。 - 如果您只指定結束索引標籤，則
loc方法會選取從資料開始到結束的所有資料。
選取所有資料
如果您想要選取所有資料，可以使用 loc 方法並指定 : 作為開始和結束索引標籤。例如：
print(mypd_dataframe.loc[:])
這將會輸出所有的資料。
圖表翻譯：
flowchart TD
A[開始] --> B[選取資料]
B --> C[使用 loc 方法]
C --> D[指定開始和結束索引標籤]
D --> E[選取資料範圍]
E --> F[輸出選取的資料]
- 圖表翻譯：此圖表展示了使用
loc方法選取資料的流程。首先，開始選取資料，然後使用loc方法，指定開始和結束索引標籤，最後輸出選取的資料。
個人簡介列表
在這個列表中，我們可以看到多個人的基本資訊，包括姓名、年齡和國籍。以下是列表的詳細內容：
個人簡介
- Saurabh：來自義大利，年齡40歲。
- Mintoo：來自澳大利亞，年齡37歲。
- Nilesh：來自英國，年齡43歲。
- Priyanka：來自美國，年齡30歲。
- Divya：來自印度，年齡34歲。
個人分佈圖
graph LR
Saurabh[義大利, 40] -->|居住於|> 義大利
Mintoo[澳大利亞, 37] -->|居住於|> 澳大利亞
Nilesh[英國, 43] -->|居住於|> 英國
Priyanka[美國, 30] -->|居住於|> 美國
Divya[印度, 34] -->|居住於|> 印度
圖表翻譯：
此圖表展示了每個人的國籍分佈情況，透過箭頭連線姓名和對應的國家，直觀地呈現了個人與其所屬國家的關係。
年齡統計
根據列表中的年齡資訊，我們可以進行一些基本的統計：
- 最大年齡：43歲（Nilesh）
- 最小年齡：30歲（Priyanka）
- 平均年齡：（40+37+43+30+34）/ 5 = 36.8歲
年齡分佈圖
graph LR
A[30] -->|年齡|> Priyanka
B[34] -->|年齡|> Divya
C[37] -->|年齡|> Mintoo
D[40] -->|年齡|> Saurabh
E[43] -->|年齡|> Nilesh
圖表翻譯：
此圖表展示了每個人的年齡分佈情況，透過連線年齡數值和對應的人名，清晰地呈現了年齡的排序和分佈。
國籍統計
列表中提到的國籍包括義大利、澳大利亞、英國、美國和印度。每個國籍下都有一位或多位個人。
國籍分佈圖
graph LR
義大利 -->|國籍|> Saurabh
澳大利亞 -->|國籍|> Mintoo
英國 -->|國籍|> Nilesh
美國 -->|國籍|> Priyanka
印度 -->|國籍|> Divya
圖表翻譯：
此圖表展示了每個人的國籍資訊，透過箭頭連線國籍和對應的人名，直觀地呈現了個人與其所屬國籍的關係。
這些圖表和統計資料共同提供了一個全面的個人簡介列表，涵蓋了姓名、年齡和國籍等多個方面。
從使用者經驗視角來看，有效管理和存取資料是提升資料分析效率的關鍵。本文深入探討了Pandas中設定、重設和使用索引的技巧，涵蓋set_index、reset_index和loc等核心方法，並佐以清晰的程式碼範例和圖表說明。分析顯示，loc索引器在根據標籤選取資料方面表現出色，尤其適用於複雜的資料篩選和切片操作。然而，需要注意KeyError異常的處理，以避免程式中斷。技術限制方面，loc索引器主要根據標籤操作，對於位置索引的處理能力相對較弱。對於需要根據位置進行資料存取的場景，則需考慮使用iloc索引器。展望未來，Pandas索引機制將持續最佳化，以更好地支援更複雜的資料結構和操作。對於追求高效能的資料分析工作者，深入理解並靈活運用這些索引技巧至關重要。玄貓認為，熟練掌握Pandas的索引操作，將顯著提升資料處理效率，是資料科學家和分析師的必備技能。
