pandas 数据索引与选取的实现方法


						我们对 DataFrame 进行选择，大抵从这三个层次考虑：行列、区域、单元格。



其对应使用的方法如下：

一. 行，列 --> df[]

二. 区域   --> df.loc[], df.iloc[], df.ix[]

三. 单元格 --> df.at[], df.iat[]

下面开始练习：





import numpy as np

import pandas as pd



df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))







1. df[]:

一维

行维度：

    整数切片、标签切片、<布尔数组>

列维度：

    标签索引、标签列表、Callable





df[:3]

df['a':'c']

df[[True,True,True,False,False,False]] # 前三行（布尔数组长度等于行数）

df[df['A']>0] # A列值大于0的行

df[(df['A']>0) | (df['B']>0)] # A列值大于0，或者B列大于0的行

df[(df['A']>0) & (df['C']>0)] # A列值大于0，并且C列大于0的行











df['A']

df[['A','B']]

df[lambda df: df.columns[0]] # Callable







2. df.loc[]

二维，先行后列

行维度：

    标签索引、标签切片、标签列表、<布尔数组>、Callable

列维度：

    标签索引、标签切片、标签列表、<布尔数组>、Callable







df.loc['a', :]

df.loc['a':'d', :]

df.loc[['a','b','c'], :]

df.loc[[True,True,True,False,False,False], :] # 前三行（布尔数组长度等于行数）

df.loc[df['A']>0, :]

df.loc[df.loc[:,'A']>0, :]

df.loc[df.iloc[:,0]>0, :]

df.loc[lambda _df: _df.A > 0, :]







df.loc[:, 'A']

df.loc[:, 'A':'C']

df.loc[:, ['A','B','C']]

df.loc[:, [True,True,True,False]] # 前三列（布尔数组长度等于行数）

df.loc[:, df.loc['a']>0]     # a行大于0的列

df.loc[:, df.iloc[0]>0]      # 0行大于0的列

df.loc[:, lambda _df: ['A', 'B']]







df.A.loc[lambda s: s > 0]



3. df.iloc[]

二维，先行后列

行维度：

    整数索引、整数切片、整数列表、<布尔数组>

列维度：

    整数索引、整数切片、整数列表、<布尔数组>、Callable





df.iloc[3, :]

df.iloc[:3, :]

df.iloc[[0,2,4], :]

df.iloc[[True,True,True,False,False,False], :] # 前三行（布尔数组长度等于行数）

df.iloc[df['A']>0, :]    #× 为什么不行呢？想不通！

df.iloc[df.loc[:,'A']>0, :] #×

df.iloc[df.iloc[:,0]>0, :] #×

df.iloc[lambda _df: [0, 1], :]







df.iloc[:, 1]

df.iloc[:, 0:3]

df.iloc[:, [0,1,2]]

df.iloc[:, [True,True,True,False]] # 前三列（布尔数组长度等于行数）

df.iloc[:, df.loc['a']>0] #×

df.iloc[:, df.iloc[0]>0] #×

df.iloc[:, lambda _df: [0, 1]]







4. df.ix[]

二维，先行后列

行维度：

    整数索引、整数切片、整数列表、

    标签索引、标签切片、标签列表、

    <布尔数组>、

    Callable

列维度：

    整数索引、整数切片、整数列表、

    标签索引、标签切片、标签列表、

    <布尔数组>、

    Callable





df.ix[0, :]

df.ix[0:3, :]

df.ix[[0,1,2], :]



df.ix['a', :]

df.ix['a':'d', :]

df.ix[['a','b','c'], :]









df.ix[:, 0]

df.ix[:, 0:3]

df.ix[:, [0,1,2]]



df.ix[:, 'A']

df.ix[:, 'A':'C']

df.ix[:, ['A','B','C']]





5. df.at[]

精确定位单元格

行维度：

    标签索引

列维度：

    标签索引





df.at['a', 'A']



6. df.iat[]

精确定位单元格

行维度：

    整数索引

列维度：

    整数索引





df.iat[0, 0]



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。