Learning Objectives
- 用 df["欄"] 與 df[["欄", "欄"]] 選出欄，說出結果是 Series 還是資料表
- 用 loc（標籤）與 iloc（位置）選出一塊資料，說出兩種切片在結尾的差別
- 用布林條件篩選列，以 &、|、~ 組合條件，並說出為什麼每個比較要加括號
- 用 isin 與 query 寫出常見的篩選，知道篩選後的索引不會重新編號
只看需要的那一塊
讀進一份資料表（DataFrame）後，分析幾乎都從「挑出一部分」開始：只看期末成績這一欄、只看微積分的修課紀錄、 只看缺席 5 次以上又不及格的人。挑得對，後面的平均、圖表才有意義。
pandas 有四種常用的挑法：
| 想做的事 | 寫法 | 例子 |
|---|---|---|
| 選欄 | df["欄"]、df[["欄", "欄"]] |
只看課程與期末 |
| 依標籤選列與欄 | df.loc[列, 欄] |
學號 S03 到 S06 的期中、期末 |
| 依位置選列與欄 | df.iloc[列, 欄] |
第 0～2 列、第 2～3 欄 |
| 依條件選列 | df[條件]、df.query("條件") |
期末不及格的人 |
這一課用 grades.csv（600 筆修課成績）與 students.csv（200 位學生）。兩份都是程式產生的模擬資料，不是任何學校的真實資料。
逐步看：單層括號與雙層括號
注意右邊記憶體區：final 只有一欄、沒有表頭；two 和 one 是資料表。
loc 看標籤，iloc 看位置
每一列都有一個標籤（索引，index），也有一個位置（從 0 開始數第幾列）。剛讀進來的表，兩者剛好一樣（0、1、2…）， 所以初學時很容易混在一起；只要篩選或排序過，兩者就不一樣了。
loc |
iloc |
|
|---|---|---|
| 用什麼找 | 列標籤、欄名稱 | 列位置、欄位置（整數，從 0 起算） |
切片 a:b |
包含 b | 不含 b（和串列切片一樣） |
| 例子 | df.loc["S02":"S04", "final"] |
df.iloc[1:3, 0:2] |
逗號前面是列、後面是欄；只寫一個就是只選列（欄全部要）。df.loc["S03"] 取出一列，得到的是 Series。
逐步看：loc 與 iloc 選到的範圍
這個小表用學號當列標籤。看最後兩行：同一位學生，在篩選後的表裡位置變了，標籤沒變。
布林篩選：先算出一串 True／False
grades["final"] >= 90 不會只得到一個 True 或 False，而是每一列一個：一串和資料表一樣長的布林值（布林 Series）。
把這一串放進方括號 grades[...]，留下的就是 True 的那些列。
兩個條件要用 &（而且）、|（或）連接，前面加 ~ 表示「不是」。每個比較都要加括號：
grades[(grades["course"] == "微積分") & (grades["final"] < 45)]
原因是 Python 的運算子優先順序：&、| 比 >=、== 先算。不加括號時，Python 會先算 "微積分" & grades["final"]，
pandas 會出現錯誤。也不能用 and、or：它們要把整串布林值變成一個 True 或 False，pandas 不知道該怎麼變，所以會出現
「The truth value of a Series is ambiguous」錯誤。
兩個常用的簡寫：
grades["course"].isin(["英文", "經濟學"])：值在清單裡就是 True，比寫好幾個|清楚。grades.query("absences >= 5 and final < 60")：把條件寫成一個字串，欄名直接寫、可以用and、or。
逐步看：篩選 600 筆修課紀錄
看 high 在記憶體區的樣子：它是一串 True／False，長度和資料表一樣。
實作：住宿又認真讀書的學生
讀入 students.csv，選出住宿（dorm 是 "Y"）而且每週讀書時數（study_hours）15 小時以上的學生，
只留 student_id、dept、study_hours 三欄，存進 busy。程式最後兩行會印出人數與前 5 列。
小測驗：選取與篩選
下面程式會印出什麼？
import pandas as pd
df = pd.DataFrame({"a": [1, 2], "b": [3, 4]})
print(type(df["a"]).__name__, type(df[["a"]]).__name__)
下面程式會印出什麼？
import pandas as pd
df = pd.DataFrame({"x": [5, 6, 7, 8, 9]}, index=["a", "b", "c", "d", "e"])
print(len(df.loc["b":"d"]), len(df.iloc[1:3]))
df[df["final"] >= 60 & df["dept"] == "資工"] 執行時出現錯誤，該怎麼改？
哪一個和 df.query("absences >= 5 and final < 60") 選出相同的列？
下面程式會印出什麼？
import pandas as pd
s = pd.Series([10, 20, 30, 40])
t = s[s > 15]
print(t.iloc[0], t.loc[3])
重點整理
df["欄"]得到 Series（一維），df[["欄", "欄"]]得到資料表（二維）。loc用列標籤與欄名稱，切片包含結尾；iloc用位置（從 0 起算），切片不含結尾。逗號前是列、後是欄。- 篩選時先算出一串 True／False，再放進方括號；
sum()可以數出符合的筆數。 - 條件用
&、|、~組合，每個比較加括號；不能用and、or。isin與query讓常見的條件更好讀。 - 篩選後的索引沿用原本的標籤，不會重新編號，所以
loc與iloc的結果會不一樣。 - 下一課學排序（
sort_values）與新增計算欄位。