如何根据列值从数据框架中选择行

对于从数据框中选择一部分数据这类操作，可通过行索引（row index）和列索引（column index）来实现。在数据框中，行是观测值，列是特征，选择行有助于剖析数据，查看数据中的趋势和模式。

选择行的方法

• 使用行号（row number）：使用DataFrame的iloc方法，通过对行号进行选择。
• 使用标签（row label）：使用DataFrame的loc方法，通过对标签或标签列表进行选择。

选择行的方法1：使用行号

DataFrame的iloc方法可以通过位置索引，即行号来选择行。位置从0开始计数，如第一行的位置为0，第二行为1，以此类推。iloc用法如下：

df.iloc[start:end]              # 选择所有列，从start到end-1行的数据
df.iloc[row_position]           # 选择所有列，仅选择第row_position行的数据
df.iloc[start:end, start:end]   # 从start到end-1行，从start到end-1列的数据
df.iloc[[index_list]]            # 根据指定行的index选择相应行的values

例子：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(5,5), columns=list('ABCDE'), index=list('abcde'))
print(df)

# 选择第2行的所有列
print(df.iloc[1,:])

# 选择第1到第3列，第2到第4行之间的数据
print(df.iloc[1:4, 0:3])

# 使用包含0、2、4的列表选择相应行
print(df.iloc[[0,2,4], :])

以上例子中，iloc方法会根据行号、列号的列表选择对应的数据。

选择行的方法2：使用标签

DataFrame的loc方法可以通过标签来选择行。标签可以是行索引(index)或标签名称（label name）。loc用法如下：

df.loc[row_labels, column_labels]        # 根据指定的行、列标签选择数据
df.loc[start:end_row_labels, start:end_column_labels]  # 根据行和列标签选择数据

例子：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(5,5), columns=list('ABCDE'), index=list('abcde'))
print(df)

# 选择行标签为a的所有列
print(df.loc['a',:])

# 选择标签为1-3的所有列，标签为a-c的所有行
print(df.loc['a':'c', 'A':'C'])

以上例子中，先创建了一个5行5列的DataFrame，其中行标签为a,b,c,d,e,列标签为A,B,C,D,E。接下来，我们可以使用loc方法选择指定行、列标签对应的数据，或以切片方式选择。注意，选择行或列数据时也可以使用布尔索引（boolen index），其返回该标签为True的行或列数据，相关操作可以参考pandas的官方文档。