Python pandas 的索引方式 data.loc[],data[][]示例详解

Python pandas 的索引方式 data.loc[],data[][]示例详解

背景

在使用Python pandas的过程中，我们常常需要对数据进行索引、筛选、修改等操作。其中，使用data.loc[]和data[][]进行索引操作是比较常见和灵活的方式。接下来，我们将详细讲解这两种索引方式的使用方法和示例。

data.loc[]的使用

data.loc[]是一种基于标签的索引方式，它能够根据行标签和列标签进行数据的定位和筛选。其基本语法为：

data.loc[row_label, column_label]

其中，

• row_label表示行标签，可以是单个标签、标签列表或切片。
• column_label表示列标签，可以是单个标签、标签列表或切片。

同时，data.loc[]还支持筛选条件的使用。例如，我们可以使用data.loc[data['column_name'] > 10]的方式，返回所有满足列column_name中值大于10的行数据。

接下来，我们通过示例进行详细说明：

示例1：

假设我们有一个数据集data，如下：

import pandas as pd

data = pd.DataFrame({'Name': ['Tom', 'John', 'Mike', 'Jack', 'Alex', 'Bob'],
                     'Age': [25, 18, 32, 30, 28, 22],
                     'Gender': ['M', 'M', 'M', 'M', 'M', 'M']})

我们现在想要选取年龄大于等于30岁的数据，代码如下：

data.loc[data['Age'] >= 30]

这里的data['Age'] >= 30表示对Age列进行筛选，返回一个布尔值Series，然后使用data.loc[]来选取满足这个条件的行数据。最终返回结果如下：

   Name  Age Gender
2  Mike   32      M
3  Jack   30      M

示例2:

假设我们有一个数据集data，如下：

import pandas as pd

data = pd.DataFrame({'Name': ['Tom', 'John', 'Mike', 'Jack', 'Alex', 'Bob'],
                     'Age': [25, 18, 32, 30, 28, 22],
                     'Gender': ['M', 'M', 'M', 'M', 'M', 'M']})

我们现在想要选取第3-5行的Name和Gender列数据，代码如下：

data.loc[2:4, ['Name', 'Gender']]

这里的2:4表示选取行的范围，左闭右开，即第3-5行；['Name', 'Gender']表示选取列的标签，返回结果如下：

   Name Gender
2  Mike      M
3  Jack      M
4  Alex      M

data[][]的使用

data[][]是一种基于位置的索引方式，和data.loc[]有一些相似之处。不同的是，它只能够通过数字下标来定位和筛选数据，不能使用标签进行定位。其基本语法为：

data[row_index][column_index]

其中，

• row_index表示行下标，可以是单个下标、下标列表或切片。
• column_index表示列下标，可以是单个下标、下标列表或切片。

同时，与data.loc[]一样，data[][]也支持筛选条件的使用。例如，我们可以使用data[data['column_name'] > 10]的方式，返回所有满足列column_name中值大于10的行数据。

接下来，我们通过示例进行详细说明：

示例1：

假设我们有一个数据集data，如下：

import pandas as pd

data = pd.DataFrame({'Name': ['Tom', 'John', 'Mike', 'Jack', 'Alex', 'Bob'],
                     'Age': [25, 18, 32, 30, 28, 22],
                     'Gender': ['M', 'M', 'M', 'M', 'M', 'M']})

我们现在想要选取第3-5行的第1-2列数据（Name和Age列），代码如下：

data.iloc[2:5, 0:2]

这里的2:5表示选取行的范围，左闭右开，即第3-5行；0:2表示选取列的下标，即第1-2列。返回结果如下：

   Name  Age
2  Mike   32
3  Jack   30
4  Alex   28

示例2:

假设我们有一个数据集data，如下：

import pandas as pd

data = pd.DataFrame({'Name': ['Tom', 'John', 'Mike', 'Jack', 'Alex', 'Bob'],
                     'Age': [25, 18, 32, 30, 28, 22],
                     'Gender': ['M', 'M', 'M', 'M', 'M', 'M']})

我们现在想要选取年龄大于等于30岁的数据的Name和Gender列，代码如下：

data[data['Age'] >= 30][['Name', 'Gender']]

这里的data['Age'] >= 30表示对Age列进行筛选，返回一个布尔值Series，然后使用data[data['Age'] >= 30]来选取满足这个条件的行数据；[['Name', 'Gender']]表示选取列的标签。返回结果如下：

   Name Gender
2  Mike      M
3  Jack      M