python Pandas之DataFrame索引及选取数据

下面为你详细讲解“Python Pandas之DataFrame索引及选取数据”的完整攻略。

DataFrame 索引

在 Pandas 的 DataFrame 中，常用的索引方式有 loc 和 iloc 两种。

• loc：通过标签（label）定位。
• iloc：通过数字（integer）序列定位。

loc

loc 索引方式，最基本的语法格式为：

df.loc[row_indexer,column_indexer]

即 df.loc[行标签,列标签]

其中，可使用的标签有：

• 单个标签：比如单行索引： df.loc['a'] 即查找行标签为 'a' 的行。
• 切片标签：比如切片索引： df.loc['a':'c'] ，即查找 行标签为' a '至 'c' 的行。
• 布尔型标签：即使用布尔向量查找符合条件的行，比如 df.loc[df.A > 0] ，即查找列 A 大于0的行。

同时，还可以使用标签列表或者布尔向量按列选取数据，比如 df.loc[:,['A','B']] 即查找所有行中 A、B 两列的数据。

下面给出一个示例：

import pandas as pd

data = {'name': ['Alice','Bob','Cathy','Daisy'],
        'age': [25, 31, 26, 29],
        'gender':['F', 'M', 'F', 'F']}
df = pd.DataFrame(data, index=['a','b','c', 'd'])

# 筛选特定行和列的数据
print(df.loc[['a', 'b'], ['name', 'gender']])

以上代码执行的结果为：

    name gender
a  Alice      F
b    Bob      M

iloc

iloc 索引方式，最基本的语法格式为：

df.iloc[row_indexer,column_indexer]

即 df.iloc[行下标,列下标]

其中，可使用的下标为纯数字，比如 0 代表第一行/第一列，n 代表第 n 行/第 n 列。

同样，也可以使用切片或者布尔向量按行或列选取数据，比如 df.iloc[:, 1:3] 即选择所有行的第2至第3列。

下面给出一个示例：

import pandas as pd

data = {'name': ['Alice','Bob','Cathy','Daisy'],
        'age': [25, 31, 26, 29],
        'gender':['F', 'M', 'F', 'F']}
df = pd.DataFrame(data, index=['a','b','c', 'd'])

# 筛选特定行和列的数据
print(df.iloc[0:2, [0, 2]])  # 筛选第1、2行，第1、3列

以上代码执行的结果为：

    name gender
a  Alice      F
b    Bob      M

选取数据

在 DataFrame 中，除了使用 loc 和 iloc 进行索引选择外，Pandas 还提供了其他的选取数据的方法。

按照条件选择

使用条件语句，筛选出符合条件的数据行或列，比如 df[df.A > 0] 即选取列 A 中大于 0 的数据行。

按照标签（列名）选择

使用列名，选取特定列的数据，比如 df[['A', 'B', 'C']]。

按照位置选择

使用 iloc 选取特定位置的数据，比如 df.iloc[0] 即选取第一行数据，df.iloc[:, 1] 即选取第二列数据。

根据函数选择

使用 apply 这个函数，进行函数处理后的数据选取，比如 df[df['A'].apply(lambda x: x > 0)] 即选取符合 A 列中元素大于零的数据行。

以上就是Python Pandas之DataFrame索引及选取数据的完整攻略。希望能对你有所帮助。