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。