如何选择一个DataFrame的子集

选择DataFrame的子集需要考虑到数据的类型，数据中的关键信息，和选择规则等多个因素。下面是一些基本的选择子集的方法。

选择某一列

可以通过在中括号中输入列名来获取DataFrame中的指定列，也可以使用属性方式获取。

import pandas as pd

data = pd.read_csv("data.csv")

# 使用中括号获取指定列
col1 = data["column1"]
# 使用属性获取指定列
col2 = data.column2

选择多列

使用[[]]操作符可以选择DataFrame中的多个列，操作符中的元素是以逗号分隔的列名列表。

# 选择多个列
multi_cols = data[["column1", "column2"]]

选择某一行

可以通过iloc方法选择DataFrame中的指定行，iloc方法的参数是一个整数，代表需要获取的行号。

# 选择第2行
row1 = data.iloc[1]

选择多行

使用iloc方法可以选择DataFrame中连续的多行，iloc方法的参数格式是[start:end]，start和end的取值分别是选择区间的起始行号和结束行号，end不包含在结果中。

# 选择第1-3行
multi_rows = data.iloc[0:3]

选择某一区域

使用iloc方法同时选择多行和多列即可选择DataFrame中的某一区域，iloc方法的格式是[rows, columns]，其中columns是以逗号分隔的多个列名。

# 选择第1-3行和第2,4列
area = data.iloc[0:3, [1, 3]]

过滤数据

可以使用逻辑运算符如>，<，==等来筛选DataFrame中满足特定条件的行，生成布尔类型的Series，然后使用布尔类型Series进行数据的过滤。

# 选择column1的值大于10的行
filtered = data[data["column1"] > 10]

操作示例

下面的代码展示了如何选择DataFrame的子集。首先，读取数据文件并显示列名和前5行数据。

import pandas as pd

data = pd.read_csv("data.csv")
print(data.columns)
print(data.head())

输出结果为：

Index(['column1', 'column2', 'column3', 'column4'], dtype='object')
   column1 column2 column3 column4
0        1       a    0.01    True
1        2       b    0.02   False
2        3       c    0.03    True
3        4       d    0.04   False
4        5       e    0.05    True

然后，选择列column1和column3，选择第2行和第3行，同时，选择列column2和column4的数据。

# 选择column1和column3列
col1_col3 = data[["column1", "column3"]]
print(col1_col3)

# 选择第2和第3行
row2_row3 = data.iloc[1:3]
print(row2_row3)

# 选择第2和第4列
col2_col4 = data.iloc[:,[1,3]]
print(col2_col4)

输出结果为：

   column1  column3
0        1     0.01
1        2     0.02
2        3     0.03
3        4     0.04
4        5     0.05

   column1 column2 column3 column4
1        2       b    0.02   False
2        3       c    0.03    True

  column2 column4
0       a    True
1       b   False
2       c    True
3       d   False
4       e    True