pandas ix &iloc &loc的区别


						一开始自学Python的numpy、pandas时候，索引和切片把我都给弄晕了，特别是numpy的切片索引、布尔索引和花式索引，简直就是大乱斗。但是最近由于版本的问题，从之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc两种索引方法，把ix这个方法给划分开来了，所以很有必要做个总结和对比。





  loc——通过行标签索引行数据

  iloc——通过行号索引行数据

  ix——通过行标签或者行号索引行数据（基于loc和iloc 的混合）



同理，索引列数据也是如此！

举例说明： 



1、分别使用loc、iloc、ix 索引第一行的数据: 



（1）loc





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



#print df.loc['a']

'''

c  1

d  2

e  3

'''



print df.loc[0]

#这个就会出现错误

'''

TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'> 

with these indexers [1] of <type 'int'>

'''



(2)iloc





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



print df.iloc[0]

'''

c  1

d  2

e  3

'''

print df.iloc['a']

'''

TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'> 

with these indexers [a] of <type 'str'>

'''



(3)ix





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



print df.ix[0]

'''

c  1

d  2

e  3

'''

print df.ix['a']

'''

c  1

d  2

e  3

'''



2、分别使用loc、iloc、ix 索引第一列的数据:





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



print df.loc[:,['c']]



print df.iloc[:,[0]]



print df.ix[:,['c']]



print df.ix[:,[0]]

#结果都为

'''

  c

a 1

b 4

'''



3、分别使用loc、iloc、ix 索引多行的数据:





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



print df.loc['a':'b']



print df.iloc[0:1]



print df.ix['a':'b']



print df.ix[0:1]

#结果都为

'''

  c d e

a 1 2 3

b 4 5 6

'''



4、分别使用loc、iloc、ix 索引多列的数据:





import pandas as pd

data=[[1,2,3],[4,5,6]]

index=['a','b']#行号

columns=['c','d','e']#列号

df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框



print df.loc[:,'c':'d']



print df.iloc[:,0:2]



print df.ix[:,'c':'d']



print df.ix[:,0:2]

#结果都为

'''

  c d

a 1 2

b 4 5

'''



5、loc、iloc、ix使用切片的区别



loc、iloc、ix对于切片的索引数据就两种情况，按照标签切片索引和按照位置编号切片索引





In [20]: df.loc['ind0':'ind3']

Out[20]: 

   col0 col1 col2 col3 col4

ind0   0   1   2   3   4

ind1   5   6   7   8   9

ind2  10  11  12  13  14

ind3  15  16  17  18  19



In [21]: df.iloc[0:3]

Out[21]: 

   col0 col1 col2 col3 col4

ind0   0   1   2   3   4

ind1   5   6   7   8   9

ind2  10  11  12  13  14



区别不在于用哪种方法，而是通过标签索引将会将切片末端包含进去，通过位置编号索引不会讲切片末端包含进去。同样的都是第一行到第四行，通过loc就会把1,2,3,4行都提取出来，通过iloc就只能把1,2,3行提取出来。ix方法也是一样，知识方法不同而已。





In [23]: df.ix['ind0':'ind3']

Out[23]: 

   col0 col1 col2 col3 col4

ind0   0   1   2   3   4

ind1   5   6   7   8   9

ind2  10  11  12  13  14

ind3  15  16  17  18  19



In [24]: df.ix[0:3]

Out[24]: 

   col0 col1 col2 col3 col4

ind0   0   1   2   3   4

ind1   5   6   7   8   9

ind2  10  11  12  13  14



 对于列的切片跟行的一样。

这里讨论了基本的索引和切片，如果有用词不当的地方请提出来，我将积极改正，或者有其他有关花式索引、布尔索引的问题也可以大家一起讨论讨论！



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。