详解pandas DataFrame的查询方法（loc,iloc,at,iat,ix的用法和区别）

详解pandas DataFrame的查询方法（loc, iloc, at, iat, ix的用法和区别）

在pandas中，DataFrame是一个非常常用的数据结构。DataFrame支持多种查询方法，常见的有loc、iloc、at、iat和ix这几种方法。本文将详细讲解这几种查询方法的用法和区别。

loc方法是一种基于标签（row label和column label）的查询方法。它的语法如下:

DataFrame.loc[row_indexer,column_indexer]

其中，row_indexer和column_indexer均为一组标签，可以是单个标签，也可以是标签的列表、切片、布尔数组等。例如，如果我们要查询DataFrame df中第1行和第3行，并且只需要显示"姓名"和"分数"这两列的内容，我们可以使用以下代码：

df.loc[[1,3],["姓名","分数"]]

loc方法的一些常见用法:

单个标签查询：DataFrame.loc[标签]，例如DataFrame.loc[2]表示查询DataFrame中第3行的所有列；
多个标签查询：DataFrame.loc[[标签1,标签2,...], :]，例如DataFrame.loc[[1,2],:]表示查询DataFrame中第1行和第2行的所有列；
切片查询：DataFrame.loc[起始标签:结束标签, :]，例如DataFrame.loc[2:4,:]表示查询DataFrame中第3~第5行的所有列；
布尔数组查询：DataFrame.loc[布尔数组, :]，例如DataFrame.loc[df["性别"]=="男",:]表示查询DataFrame中所有“性别”为“男”的行的所有列。

iloc方法是一种基于位置的查询方法。它的语法如下：

DataFrame.iloc[row_indexer,column_indexer]

其中，row_indexer和column_indexer均为一组整数，可以是单个整数，也可以是整数的列表、切片、布尔数组等。例如，如果我们要查询DataFrame df中第1行和第3行，并且只需要显示"姓名"和"分数"这两列的内容，我们可以使用以下代码：

df.iloc[[0,2],[0,3]]

iloc方法的一些常见用法:

单个整数查询：DataFrame.iloc[整数]，例如DataFrame.iloc[2]表示查询DataFrame中第3行的所有列；
多个整数查询：DataFrame.iloc[[整数1,整数2,...], :]，例如DataFrame.iloc[[0,1],:]表示查询DataFrame中第1行和第2行的所有列；
切片查询：DataFrame.iloc[起始整数:结束整数, :]，例如DataFrame.iloc[2:4,:]表示查询DataFrame中第3~第5行的所有列；
布尔数组查询：DataFrame.iloc[布尔数组, :]，例如DataFrame.iloc[df["性别"]=="男",:]表示查询DataFrame中所有“性别”为“男”的行的所有列。

at方法是一种查询单个元素的方法，它的语法如下：

DataFrame.at[row_indexer,column_indexer]

其中，row_indexer和column_indexer均为单个标签，因此at方法只能用于查询单个元素。例如，如果我们要查询DataFrame df中第3行、第4列的元素，我们可以使用以下代码：

df.at[2,"分数"]

iat方法是一种查询单个元素的方法，它的语法如下：

DataFrame.iloc[row_indexer,column_indexer]

其中，row_indexer和column_indexer均为单个整数，因此iat方法只能用于查询单个元素。例如，如果我们要查询DataFrame df中第2行、第3列的元素，我们可以使用以下代码：

df.iat[1,2]

在pandas 0.20.0以上的版本中，ix方法已被弃用。如果要同时使用标签和位置进行查询，可以使用loc和iloc方法，并使用显式的“标签”或“位置”前缀来指示要使用的搜索方法。例如，以下代码与ix方法的效果相同：

df.loc[df.index[1:3], ["姓名","分数"]]
df.iloc[1:3,0:2]

为了更好地理解这些方法的用法，我们将使用以下DataFrame df进行演示。df表示3名学生的学习情况，包括“姓名”、“性别”、“分数”三列数据。

df = pd.DataFrame({'姓名': ['张三', '李四', '王五'], '性别': ['男', '男', '女'], '分数': [80, 90, 85]})

查询df中“姓名”为“李四”和“王五”的行信息（包含数据的所有列）。

df.loc[df["姓名"].isin(["李四","王五"]),:]
df.iloc[[1,2],:]

以上两种方法都可以实现相同的效果。在这种情况下，我们可以看出loc方法和iloc方法的查询方法基本一致。

查询df中“姓名”为“张三”的学生成绩。

df.loc[df["姓名"]=="张三","分数"].values[0]
df.at[0,"分数"]

以上两种方法都可以实现相同的效果。可以看出，我们无法只使用loc方法查询单个元素，而at方法则可以直接查询。