pandas 数据索引与选取

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]

 

转载于:https://www.cnblogs.com/hhh5460/p/5595616.html

相关资源：pandas 数据索引与选取的实现方法