import pandas as pd

df = pd.read_csv('data/sample_pandas_normal.csv')
print(df)

# デフォルトのインデクスは、行番号（RangeIndex）
print(df.index)
print('')

# 特定列をインデックスとして指定できる
print('index=name')
df1 = df.set_index('name')
print(df1)
print(df1.index)
print('')

print('index=age')
df2 = df.set_index('age')
print(df2)
print(df2.index)

# pandasのインデックス参照で行・列を選択し取得

# pandas.DataFrame, pandas.Seriesのインデックス（添字）[]を指定することで、
# 行・列または要素の値を選択し取得することができる。

# pandas.DataFrameの場合、[]の中に指定する値のタイプによって以下のようなデータが取得できる。
# [列名] : 単独の列をpandas.Seriesとして取得
# [列名のリスト] : 複数列をpandas.DataFrameとして取得
# [行名・行番号のスライス] : 単独または複数行をpandas.DataFrameとして取得

# pandas.Seriesの場合は以下のようになる。
# [行名・行番号] : 単独の要素の値をそれぞれの型で取得
# [行名・行番号のリスト] : 複数の要素の値をpandas.Seriesとして取得
# [行名・行番号のスライス] : 単独または複数の要素の値をpandas.Seriesとして取得

# pandas.DataFrameで要素の値を抽出したり、
# 列をスライス、行を行名・行番号やそのリストで選択したい場合はat, iat, loc, ilocを使う。

# pandas.DataFrameの列を取得
# []に列名（列ラベル）を指定すると、選択した列が抽出されpandas.Seriesとして取得できる。

print(df['age'])
print(type(df['age']))

# attribute（属性）として.に続けて列名を指定することもできる。
# ただし、列名が既存のメソッド名などと被るとそちらが優先されるので注意が必要。

print(df.age)
print(type(df.age))

# 列名のリストを指定すると、選択した複数列が抽出されpandas.DataFrameとして取得できる。

print(df[['age', 'point']])
print(type(df[['age', 'point']]))

# スライスの場合は空のpandas.DataFrameとなって使えない。
# スライスは行の指定だと見なされるため。

#print(df['age':'point'])
# TypeError: cannot do slice indexing on <class 'pandas.core.indexes.range.RangeIndex'> with these indexers [age] of <class 'str'>

# locを用いると列のスライスも可能。
# またilocを用いると列名（列ラベル）ではなく列番号で指定することもできる。

print(df.loc[:, 'age':'point'])
print(type(df.loc[:, 'age':'point']))

print(df.iloc[:, [0, 2]])
print(type(df.iloc[:, [0, 2]]))

# pandas.DataFrameの行を取得
# []にスライスを指定すると、該当範囲の複数行が抽出されpandas.DataFrameとして取得できる。

print(df[1:4])
print(type(df[1:4]))

# スライスなので、start:stop:stepのようにstepを指定することも可能。
# 奇数行または偶数行を抽出して取得できる。

print(df[::2])
print(type(df[::2]))

print(df[1::2])
print(type(df[1::2]))

# スライスでないとダメで、行番号を単独で指定するとエラーとなる。

#print(df[1])
# KeyError: 1

# 一行だけ選択される場合も、取得できるのはpandas.DataFrame。
# pandas.Seriesにはならない。

print(df[1:2])
print(type(df[1:2]))

# 行番号ではなく行名（行ラベル）でスライスを指定することもできる。
# 行名（行ラベル）のスライスの場合はstopの行も選択される。

#print(df['Bob':'Ellen'])
#print(type(df['Bob':'Ellen']))
# TypeError: cannot do slice indexing on <class 'pandas.core.indexes.range.RangeIndex'> with these indexers [Bob] of <class 'str'>

# 行名（行ラベル）の実質は、行のインデックス
df1 = df.set_index('name')
print(df1['Bob':'Ellen'])
print(type(df1['Bob':'Ellen']))

# locやilocを用いると行に対して行名・行番号を単独で指定して pandas.Seriesとして取得したり、
# リストで複数行を指定して pandas.DataFrameとして取得したりできる。

# locを用いると行名を指定できる。
print(df1.loc['Bob'])
print(type(df1.loc['Bob']))

print(df1.loc[['Bob', 'Ellen']])
print(type(df1.loc[['Bob', 'Ellen']]))
print('=====')

# ilocを用いると行番号を指定できる。
print(df1.iloc[1])
print(type(df1.iloc[1]))

print(df1.iloc[[1, 4]])
print(type(df1.iloc[[1, 4]]))

# pandas.Seriesの値を取得

s = df1['age']
print(s)

# 行名・行番号の場合はその値、リストやスライスの場合は選択した複数の値をpandas.Seriesとして取得できる。
# リストやスライスの場合、一行だけが抽出されてもpandas.Series。
# 行名（行ラベル）のスライスの場合はstopの行も選択される。

print(s[3])
print(type(s[3]))
print('')
print(s[[1, 3]])
print(type(s[[1, 3]]))
print('')
print(s[1:3])
print(type(s[1:3]))
print('')
print(s[[1]])
print(type(s[[1]]))
print('')
print(s[['Bob']])
print(type(s[['Bob']]))
print('')
print(s['Bob':'Bob'])
print(type(s['Bob':'Bob']))
print('')
print(s['Bob'])
print(type(s['Bob']))

# 行名が整数値の場合、行名・行番号の指定が曖昧になるため、例えば最終行を示す-1を指定するとエラーになる。
# 行名と行番号を明確に区別して指定するにはpandas.Seriesに対してもat, iat, loc, ilocを使う。

s_i = s.reset_index(drop=True)
print(s_i)

# 終行を示す-1を指定するとエラーになる。
#print(s_i[-1])
# KeyError: -1

# 行名が文字列であれば-1でもエラーは発生しない。
print(s[-1])
# iatを用いて行番号として明確に指定
print(s_i.iat[-1])

# pandas.DataFrameの要素の値を取得
# pandas.DataFrameからpandas.Seriesを抽出し、さらにそのpandas.Seriesから値を選択して取得することで、
# pandas.DataFrameから要素の値を取得できる。

print(df1['age']['Alice'])
print(df1.age[0])

# スライスやリストを組み合わせて任意の範囲を抽出することもできる。

print(df1['Bob':'Dave'][['age', 'point']])
print(type(df1['Bob':'Dave'][['age', 'point']]))