索引是查找数据的依据，设置索引的目的是便于我们查找数据。举个例子，你逛超市买了很多食材，回到家以后你要把这些食材全部放在冰箱里，放置在冰箱的过程其实就是一个建立索引的过程，比如蔬菜放在冷藏室，肉类放在冷冻室，进行完这样的分类存放之后，这样再找的时候就可以很快的找到。

有的表没有索引，这时要给这类表加一个索引。

在Excel中，一般都是有索引的，如果没索引数据看起来会很乱，当然也会有例外，数据表就是没有索引的。这个时候插入一行一列就是为表添加索引。

AIU人工智能学院

添加索引前后的对比如下图所示，序号列为行索引，字段名称为列索引。

在Python中，如果表没有索引，会默认用从0开始的自然数做索引，比如下面这样：

2、重新设置索引

（1）Excel实现

（2）Python实现

在Python中可以利用set_index ( ) 方法重新设置索引列，在 set_index ( ) 里指明要用作行索引的列的名称即可。
在重新设置索引时，还可以给 set_index ( ) 方法传入两个或多个列名，我们把这种一个表中用多列来做索引的方式称为层次化索引，层次化索引一般用在某一列中含有多个重复值的情况下。层次化索引的例子，如下所示，其中 a、b、c、d 分别有多个重复值。

重命名索引是针对现有索引名进行修改的，就是改字段名。

在Excel中重命名索引比较简单，就是直接修改字段名。

在Python中重命名索引，我们利用的是rename ( ) 方法，在rename ( ) 后的括号里指明要修改的行索引及列索引名。

重置索引主要用在层次化索引表中，重置索引是将索引列当作一个columns进行返回。

在下图左侧的表中，Z1、Z2是一个层次化索引，经过重置索引以后，Z1、Z2这两个索引以columns的形式返回，变为常规的两列。

在Python利用的是reset_index ( ) 方法，reset_index ( ) 方法常用的参数如下：

drop参数用来指定是否将原索引删掉，即不作为一个新的columns，默认为False，即不删除原索引。

inplace参数用来指定是否修改原数据表。
reset_index ( ) 方法常用于数据分组、数据透视表中。

之前是把所有的菜品都洗好并放在不同的盛放的容器里。现在要进行切配了，需要把这些菜品挑选出来，比如想要做一盘凉拌黄瓜，需要先把黄瓜在他所在的容器中找出来；要做一盘可乐鸡翅，需要先从容器中把鸡翅找出来。

数据分析也是同样的道理，你要分析什么，首先要把对应的数据筛选出来。

常规的数据选择主要有列选择、行选择、行列同时选择三种方式。

AIU人工智能学院

一、列选择

1、选择某一列/某几列

（1）Excel实现

在Excel中选择某一列直接用鼠标选中这一列即可；如果要同时选择多列，且待选择的列不是相邻的，这个时候就可以先选中其中一列，然后按住Ctrl键不放，再选择其他列。举个例子，同时选择客户姓名和成交时间这两列，如下图所示。

（2）Python实现

在Python中我们要想获取某列只需要在表df后面的方括号中指明要选择的列名即可。如果是一列，则只需要传入一个列名；如果是同时选择多列，则传入多个列名即可，多个列名用一个list存起来。

在Python中我们把这种通过传入列名选择数据的方式称为普通索引。

除了传入具体的列名，我们还可以传入具体列的位置，即第几列，对数据进行选取，通过传入位置来获取数据时需要用到iloc方法。

在上面的代码中，iloc 后的方括号中逗号之前的部分表示要获取的行的位置，只输入一个冒号，不输入任何数值表示获取所有的行；逗号之后的方括号表示要获取的列的位置，列的位置同样是也是从0开始计数。

我们把这种通过传入具体位置来选择数据的方式称为位置索引。

AIU人工智能学院

2、选择连续的某几列

（1）Excel实现

在Excel中，要选择连续的几列时，直接用鼠标选中这几列即可操作。当然了，你也可以先选择一列，然后按住 Ctrl 键再去选择其他列，由于要选取的列是连续的，因此没必要这么麻烦。

（2）Python实现

在Python中可以通过前面介绍的普通索引和位置索引获取某一列或多列的数据。当你要获取的是连续的某几列，用普通索引和位置索引也是可以做到的，但是因为你要获取的列是连续的，所以只要传入这些连续列的位置区间即可，同样需要用到 iloc方法。

在上面的代码中，iloc 后的方括号中逗号之前的表示选择的行，当只传入一个冒号时，表示选择所有行；逗号后面表示要选择列的位置区间，0:3表示选择第1列到第4列之间的值（包含第1列但不包含第4列），我们把这种通过传入一个位置区间来获取数据的方式称为切片索引。

二、行选择

1、选择某一行/某几行

（1）Excel实现

在Excel中选择行与选择列的方式是一样的，先选择一行，按住Ctrl键再选择其他行。

（2）Python实现

在Python中，获取行的方式主要有两种，一种是普通索引，即传入具体行索引的名称，需要用到loc方法；另一种是位置索引，即传入具体的行数，需要用到iloc方法。

为了让大家看得更清楚，我们对行索引进行自定义。

2、选择连续的某几行

（1）Excel实现

在Excel中选择连续的某几行与选择连续的某几列方法一致，不再赘述。

（2）Python实现

在Python中，选择连续的某几行时，你同样可以把要选择的每一个行索引名字或者行索引的位置输进去。很显然这是没有必要的，只要把连续行的位置用一个区间表示，然后传给iloc即可。

3、选择满足条件的行

前两节获取某一列时，获取的是这一列的所有行，我们还可以只筛选出这一列中满足条件的值。

比如年龄这一列，需要把非异常值（大于200的属于异常值），即小于200岁的年龄筛选出来，该怎么实现呢？

AIU人工智能学院

（1）Excel实现

在Excel中我们直接使用筛选功能，将满足条件的值筛选出来，筛选方法如下图所示。

筛选年龄小于200的数据前后的对比如下图所示。

（2）Python实现

在Python中，我们直接在表名后面指明哪列要满足什么条件，就可以把满足条件的数据筛选出来。

我们把上面这种通过传入一个判断条件来选择数据的方式称为布尔索引。

传入的条件还可以是多个，如下为选择的年龄小于200且唯一识别码小于102的数据。

三、行列同时选择

上面的数据选择都是针对单一的行或列进行选择，实际业务中我们也会用到行、列同时选择，所谓的行、列同时选择就是选择出行和列的相交部分。

例如，我们要选择第二、三行和第二、三列相交部分的数据，下图中的阴影部分就是最终的选择结果。

行列同时选择在Excel中主要是通过鼠标拖曳实现的，与前面的单一行/列选择方法一致，此处不再赘述，接下来主要讲讲在Python中如何实现。

AIU人工智能学院

1、普通索引+普通索引选择指定的行和列

普通索引+普通索引就是通过同时传入行和列的索引名称进行数据选择，需要用到loc方法。

loc方法中的第一对方括号表示行索引的选择，传入行索引名称；loc方法中的第二对方括号表示列索引的选择，传入列索引名称。

2、位置索引+位置索引选择指定的行和列

位置索引+位置索引是通过同时传入行、列索引的位置来获取数据，需要用到iloc方法。

在 iloc 方法中的第一对方括号表示行索引的选择，传入要选择行索引的位置；第二对方括号表示列索引的选择，传入要选择列索引的位置。行和列索引的位置都是从0开始计数。

AIU人工智能学院

3、布尔索引+普通索引选择指定的行和列

布尔索引+普通索引是先对表进行布尔索引选择行，然后通过普通索引选择列。

上面的代码表示选择年龄小于200的订单编号和年龄，先通过布尔索引选择出年龄小于200的所有行，然后通过普通索引选择订单编号和年龄这两列。

4、切片索引 + 切片索引选择指定的行和列

切片索引 + 切片索引是通过同时传入行、列索引的位置区间进行数据选择。

5、切片索引 + 普通索引选择指定的行和列

前面我们说过，如果是普通索引，就直接传入行或列名，用 loc 方法即可；如果是切片索引，也就是传入行或者列的位置区间，要用 iloc 方法。如果是切片索引+普通索引，也就是行（列）用切片索引，列（行）用普通索引，这种交叉索引要用ix方法。

我们把菜品挑选出来以后，就可以开始切菜了。比如要做凉拌黄瓜丝，吧黄瓜找出来以后，你就可以把黄瓜切成丝了。

一、数值替换

数值替换就是将数值A替换成B，可以用在异常值替换处理、缺失值填充处理中。主要有一对一替换、多对一替换、多对多替换三种替换方法。

1、一对一替换

一对一替换是将某一块区域中的一个值全部替换成另一个值。已知现在有一个年龄值是240，很明显这是一个异常值，我们要把它替换成一个正常范围内的年龄值（用正常年龄的均值33），怎么实现呢？

（1）Excel实现

在Excel中对某个值进行替换，首先要把待替换的区域选中，如果只是替换某一列中的值，只需要选中这一列即可；如果要在一片区域中进行替换，那么拖动鼠标选中这一片区域。然后依次单击编辑菜单栏中的查找和选择>替换选项（如下图所示）即可调出替换界面。使用快捷键Ctrl+H也可以调出替换界面。

下图为替换界面，分别输入查找内容和替换内容，然后根据需要单击全部替换或者替换即可。

（2）Python实现

在Python中对某个值进行替换利用的是replace ( ) 方法，replace ( A,B )表示将A替换成B。

上面的代码是对年龄这一列进行替换，所以把年龄这一列选中，然后调用replace ( ) 方法。有时候要对整个表进行替换，比如对全表中的缺失值进行替换，这个时候replace ( ) 方法就相当于fillna ( ) 方法了。

np.NaN是Python中对缺失值的一种表示方法。

2、多对一替换

多对一替换就是把一块区域中的多个值替换成某一个值，已知现在有三个异常年龄（240、260、280），需要把这三个年龄都替换成正常范围年龄的平均值33，该怎么实现呢？

（1）Excel实现

在Excel中需要借助if函数来实现多对一替换。已知年龄这一列是D列，要想对多个异常值进行替换，可以通过如下函数实现。

上面的公式借助了Excel中的 OR ( ) 函数，表示如果D列等于240、260或者280时，该单元格的值为33，否则为D列的值。替换后的结果如下图所示。

（2）Python实现

在Python 中实现多对一的替换比较简单，同样也是利用 replace ( ) 方法， replace ( [A,B],C )表示将A、B替换成C。

3、多对多替换

多对多替换其实就是某个区域中多个一对一的替换。比如将年龄异常值240替换成平均值减一，260替换成平均值，280替换成平均值加一，该怎么实现呢？

（1）Excel实现

若想在Excel中实现，需要借助函数，且需要多个if嵌套语句来实现，同样已知年龄列为D列，具体函数如下：

下图为该函数执行的流程。

替换后的结果如下图所示。

（2）Python实现

在Python中若想实现多对多的替换，同样是借助replace ( ) 方法，将替换值与待替换值用字典的形式表示，replace({"A":"a","B":"b"}表示用a替换A，用b替换B。

二、数值排序

数值排序是按照具体数值的大小进行排序，有升序和降序两种，升序就是数值由小到大排列，降序是数值由大到小排列。

1、按照一列数值进行排序

按照一列数值进行排序就是整个数据表都以某一列为准，进行升序或降序排列。

（1）Excel实现

在Excel中想要按照某列进行数值排序，只要选中这一列的字段名，然后单击编辑菜单栏下的排序和筛选按钮，在下拉菜单中选择升序或降序选项即可，操作流程如下图所示。

按照销售ID进行升序排列前后的结果如下图所示。

（2）Python实现

在 Python 中我们若想按照某列进行排序，需要用到 sort_values ( ) 方法，在sort_values ( )后的括号中指明要排序的列名，以及升序还是降序排列。

上面代码表示df表按照col1列进行排序，ascending = False表示按照col1列进行降序排列。ascending 参数默认值为 True，表示升序排列。所以，如果是要根据 col1列进行升序排序，则可以只指明列名，不需要额外声明排序方式。

2、按照有缺失值的列进行排序

（1）Python实现

在Python中，当待排序的列中有缺失值时，可以通过设置na_position参数对缺失值的显示位置进行设置，默认参数值为last，可以不写，表示将缺失值显示在最后。

通过设置na_position参数将缺失值显示在最前面。

3、按照多列数值进行排序

按照多列数值排序是指同时依据多列数据进行升序、降序排列，当第一列出现重复值时按照第二列进行排序，当第二列出现重复值时按照第三列进行排序，以此类推。

（1）Excel实现

在Excel中实现按照多列排序，选中待排序的所有数据，单击编辑菜单栏下的排序和筛选按钮，在下拉菜单中选择自定义排序选项就会出现如下图所示界面。添加条件就是添加按照排序的列，在次序里面可以单独定义每一列的升序或者降序。

举个例子，对下图左侧的Before表先按照销售ID升序排列，当遇到重复的销售ID时，再按成交时间降序排列，得出下图右侧的After表。

（2）Python实现

在 Python 中实现按照多列进行排序，用到的方法同样是 sort_values ( )，只要在sort-values后的括号中以列表的形式指明要排序的多列列名及每列的排序方式即可。

上面代码表示df表先按照col1列进行升序排列，当col1列遇到重复时，再按照col2列进行降序排列。对于表df我们依旧先按照销售ID升序排列，当遇到重复的销售ID时，再按成交时间降序排列，代码如下所示。