作者 | 吹牛Z

來源 | 數(shù)據(jù)不吹牛

據(jù)某數(shù)據(jù)來源統(tǒng)計(jì)，學(xué)習(xí)了Pandas的同學(xué)，有超過60%仍然投向了Excel的懷抱，之所以做此下策，多半是因?yàn)閯傞_始用Python處理數(shù)據(jù)時(shí)，選擇想要的行和列實(shí)在太痛苦，完全沒有Excel想要哪里點(diǎn)哪里的快感。

初識(shí)Pandas最基礎(chǔ)的列向索引在這里就不多加介紹了，今天我們給大家介紹的是，結(jié)合場景詳細(xì)介紹兩種常用的索引方式：

• 第一種是基于位置（整數(shù)）的索引，案例短平快，有個(gè)粗略的了解即可，實(shí)際中偶有用到，但它的應(yīng)用范圍不如第二種廣泛。
• 第二種是基于名稱（標(biāo)簽）的索引，這是要敲黑板練的重點(diǎn)，因?yàn)樗鼘⑹俏覀兒竺孢M(jìn)行數(shù)據(jù)清洗和分析的重要基石。

首先，簡單介紹一下練習(xí)的案例數(shù)據(jù)：

和第一篇數(shù)據(jù)集一樣，記錄著不同流量來源下，各渠道來源明細(xì)所對應(yīng)的訪客數(shù)、支付轉(zhuǎn)化率和客單價(jià)。數(shù)據(jù)集雖然簡短（復(fù)雜的案例數(shù)據(jù)集在基礎(chǔ)篇完結(jié)后會(huì)如約而至），但是有足夠的代表性，下面開始我們索引的表演。

01 基于位置（數(shù)字）的索引

先看一下索引的操作方式：

我們需要根據(jù)實(shí)際情況，填入對應(yīng)的行參數(shù)和列參數(shù)。

場景一（行選?。?/span>

目標(biāo)：選擇“流量來源”等于“一級(jí)”的所有行。

思路：手指戳屏幕數(shù)一數(shù)，一級(jí)的渠道，是從第1行到第13行，對應(yīng)行索引是0-12，但Python切片默認(rèn)是含首不含尾的，要想選取0-12的索引行，我們得輸入“0:13”，列想要全部選取，則輸入冒號(hào)“：”即可。

場景二（列選?。?/span>

目標(biāo)：我們想要把所有渠道的流量來源和客單價(jià)單拎出來看一看。

思路：所有流量渠道，也就是所有行，在第一個(gè)行參數(shù)的位置我們輸入“：”；再看列，流量來源是第1列，客單價(jià)是第5列，對應(yīng)的列索引分別是0和4：

值得注意的是，如果我們要跨列選取，得先把位置參數(shù)構(gòu)造成列表形式，這里就是[0,4]，如果是連續(xù)選取，則無需構(gòu)造成列表，直接輸入0:5（選取索引為0的列到索引為4的列）就好。

場景三（行列交叉選?。?/span>

目標(biāo)：我們想要看一看二級(jí)、三級(jí)流量來源、來源明細(xì)對應(yīng)的訪客和支付轉(zhuǎn)化率

思路：先看行，二級(jí)三級(jí)渠道對應(yīng)行索引是13:17，再次強(qiáng)調(diào)索引含首不含尾的原則，我們傳入的行參數(shù)是13:18；列的話我們需要流量來源、來源明細(xì)、訪客和轉(zhuǎn)化，也就是前4列，傳入?yún)?shù)0:4。

02 基于名稱（標(biāo)簽）的索引

為了建立起橫向?qū)Ρ鹊捏w感，我們依然沿用上面三個(gè)場景。

場景一：選擇一級(jí)渠道的所有行。

思路：這次我們不用一個(gè)個(gè)數(shù)位置了，要篩選流量渠道為"一級(jí)"的所有行，只需做一個(gè)判斷，判斷流量來源這一列，哪些值等于"一級(jí)"。

返回的結(jié)果由True和False（布爾型）構(gòu)成，在這個(gè)例子中分別代表結(jié)果等于一級(jí)和非一級(jí)。在loc方法中，我們可以把這一列判斷得到的值傳入行參數(shù)位置，Pandas會(huì)默認(rèn)返回結(jié)果為True的行（這里是索引從0到12的行），而丟掉結(jié)果為False的行，直接上例子：

場景二：我們想要把所有渠道的流量來源和客單價(jià)單拎出來看一看。

思路：所有渠道等于所有行，我們在行參數(shù)位置直接輸入“:”，要提取流量來源和客單價(jià)列，直接輸入名稱到列參數(shù)位置，由于這里涉及到兩列，所以得用列表包起來：

場景三：我們想要提取二級(jí)、三級(jí)流量來源、來源明細(xì)對應(yīng)的訪客和支付轉(zhuǎn)化率。

思路：行提取用判斷，列提取輸入具體名稱參數(shù)。

此處插播一條isin函數(shù)的廣告，這個(gè)函數(shù)能夠幫助我們快速判斷源數(shù)據(jù)中某一列（Series）的值是否等于列表中的值。拿案例來說，df['流量來源'].isin(['二級(jí)','三級(jí)'])，判斷的是流量來源這一列的值，是否等于“二級(jí)”或者“三級(jí)”，如果等于（等于任意一個(gè)）就返回True，否則返回False。我們再把這個(gè)布爾型判斷結(jié)果傳入行參數(shù)，就能夠很容易的得到流量來源等于二級(jí)或者三級(jí)的渠道。

既然loc的應(yīng)用場景更加廣泛，應(yīng)該給他加個(gè)雞腿，再來個(gè)接地氣的場景練練手。

插入場景之前，我們先花30秒的時(shí)間捋一捋Pandas中列（Series）向求值的用法，具體操作如下：

只需要加個(gè)尾巴，均值、標(biāo)準(zhǔn)差等統(tǒng)計(jì)數(shù)值就出來了，了解完這個(gè)，下面正式進(jìn)入場景四。

場景四：對于流量渠道數(shù)據(jù)，我們真正應(yīng)該關(guān)注的是優(yōu)質(zhì)渠道，假如這里我們定義訪客數(shù)、轉(zhuǎn)化率、客單價(jià)都高于平均值渠道是優(yōu)質(zhì)渠道，那怎么找到這些渠道呢？

思路：優(yōu)質(zhì)渠道，得同時(shí)滿足訪客、轉(zhuǎn)化、客單高于平均值這三個(gè)條件，這是解題的關(guān)鍵。

先看看均值各是多少：

再判斷各指標(biāo)列是否大于均值：

要三個(gè)條件同時(shí)滿足，他們之間是一個(gè)“且”的關(guān)系（同時(shí)滿足），在pandas中，要表示同時(shí)滿足，各條件之間要用"&"符號(hào)連接，條件內(nèi)部最好用括號(hào)區(qū)分；如果是“或”的關(guān)系（滿足一個(gè)即可），則用“|”符號(hào)連接：

這樣連接之后，返回True則表示該渠道同時(shí)滿足訪客、轉(zhuǎn)化率、客單價(jià)都高于均值的條件，接下來我們只需要把這些值傳入到行參數(shù)的位置。

到這一步，我們直接篩選出了4條關(guān)鍵指標(biāo)都高于均值的優(yōu)質(zhì)渠道。

這兩種索引方式，分別是基于位置（數(shù)字）的索引和基于名稱（標(biāo)簽）的索引，關(guān)鍵在于把腦海中想要選取的行和列，映射到對應(yīng)的行參數(shù)與列參數(shù)中去。

只要稍加練習(xí)，我們就能夠隨心所欲的用pandas處理和分析數(shù)據(jù)，邁過了這一步之后，你會(huì)發(fā)現(xiàn)和Excel相比，Python是如此的美艷動(dòng)人。

這是Python數(shù)據(jù)分析實(shí)戰(zhàn)基礎(chǔ)的第一篇內(nèi)容，主要是和Pandas來個(gè)簡單的邂逅。已經(jīng)熟練掌握Pandas的同學(xué)，可以加快手速滑動(dòng)瀏覽或者直接略過本文。