Python Pandas基本数据操作指南：索引、赋值与排序

不晚

发布时间：2026-10-16| 6人浏览过

原创

本文详细介绍Python Pandas库中的基本数据操作，涵盖索引选取、赋值修改及排序功能。通过股票数据示例，演示如何使用直接索引、loc、iloc及ix进行数据提取，讲解DataFrame与Series的赋值方法，并深入解析按值与按索引排序的参数设置与实现细节。

为了更直观地理解这些基础操作，下文将借助读取股票数据文件的方式，逐步介绍Pandas中基本数据操作的语法用法。

# 读取文件（读取保存文件后面会专门进行讲解，这里先直接调用下api）
data = pd.read_csv("./data/stock_day.csv")  # 读取当前目录下一个csv文件

# 删除一些列，让数据更简单些，再去做后面的操作
data = data.drop(["ma5","ma10","ma20","v_ma5","v_ma10","v_ma20"], axis=1)

1 索引操作

在之前的Numpy章节中，我们已经讨论过利用索引选取序列以及进行切片选择的方法。Pandas同样支持这类操作，并且允许用户直接通过列名或行名称进行选取，甚至可以将两者结合使用。

1.1 直接使用行列索引（先列后行）

例如，我们需要获取2018-02-27这一天的收盘价，即提取'2018-02-27'日期对应的'close'列的值。

# 直接使用行列索引名字的方式（先列后行）
data['close']['2018-02-27']
24.16

# 不支持的操作
# 错误
data['2018-02-27']['close']
# 错误
data[:1, :2]

1.2 结合loc或iloc使用索引

获取从'2018-02-27'到'2018-02-22'期间'close'列的数据结果。

# 使用loc:只能指定行列索引的名字
data.loc["2018-02-25":"2018-02-14", "open":"low"]

# 使用iloc可以通过索引的下标去获取
# 获取前3天数据,前5列的结果
data.iloc[:3, :5]

            open    high    close    low
2018-02-27    23.53    25.88    24.16    23.53
2018-02-26    22.80    23.78    23.53    22.80
2018-02-23    22.88    23.37    22.82    22.71

1.3 使用ix组合索引

获取第1天到第4天的数据，并提取['open', 'close', 'high', 'low']这四个指标的结果。

# 使用ix进行下表和名称组合做引
data.ix[0:4, ['open', 'close', 'high', 'low']]

# 推荐使用loc和iloc来获取的方式
data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]
data.iloc[0:4, data.columns.get_indexer(['open', 'close', 'high', 'low'])]

            open    close    high    low
2018-02-27    23.53    24.16    25.88    23.53
2018-02-26    22.80    23.53    23.78    22.80
2018-02-23    22.88    22.82    23.37    22.71
2018-02-22    22.25    22.28    22.76    22.02

2 赋值操作

对DataFrame中的close列进行重新赋值，将所有值设置为1。

# 直接修改原来的值
data['close'] = 1
# 或者
data.close = 1

3 排序

排序操作主要分为两种形式：一种是针对索引进行排序，另一种是针对数据内容进行排序。

3.1 DataFrame排序

使用df.sort_values(by=, ascending=)函数进行排序。

支持单个键或多个键进行排序操作。

3.2 Series排序

使用series.sort_values(ascending=True)方法进行排序。

对Series进行排序时，由于只有一列数据，因此不需要额外指定参数。

data['p_change'].sort_values(ascending=True).head()

2015-09-01   -10.03
2015-09-14   -10.02
2016-01-11   -10.02
2015-07-15   -10.02
2015-08-26   -10.01
Name: p_change, dtype: float64

使用series.sort_index()进行排序，其用法与DataFrame的方法一致。

# 对索引进行排序
data['p_change'].sort_index().head()

2015-03-02    2.62
2015-03-03    1.44
2015-03-04    1.57
2015-03-05    2.02
2015-03-06    8.51
Name: p_change, dtype: float64

至此，关于Python Pandas基本数据操作的详细介绍完毕，更多相关Python Pandas数据操作内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！