浅谈pandas中Dataframe的查询方法([], loc, iloc, at, iat, ix)

接下来我将详细讲解一下 pandas 中 DataFrame 的查询方法，包括 []、loc、iloc、at、iat、ix 这几种方法。

DataFrame 查询方法

DataFrame 的基本查询方法——[]

DataFrame 的基本查询方法是使用中括号 [] 进行索引，这种方法是最为简单的方法。

示例 1：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询 name 列
print(df['name'])

输出结果：

0       Amy
1       Bob
2    Carson
3     David
Name: name, dtype: object

示例 2：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询 name 和 age 列
print(df[['name', 'age']])

输出结果：

     name  age
0     Amy   20
1     Bob   21
2  Carson   22
3   David   23

loc

loc 是根据 DataFrame 的行列标签进行查询的方法，可通过行列标签直接定位到具体的数据。

示例 1：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

# 查询行标签为 b、d，列标签为 name、age 的数据
print(df.loc[['b', 'd'], ['name', 'age']])

输出结果：

    name  age
b    Bob   21
d  David   23

示例 2：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

# 查询行标签为 b 的行的所有数据
print(df.loc['b'])

输出结果：

name         Bob
age           21
gender      male
Name: b, dtype: object

iloc

iloc 是根据 DataFrame 的行列位置进行查询的方法，它与 loc 不同，它用的是行列位置。

示例 1：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询第二行第一列的数据
print(df.iloc[1, 0])

输出结果：

Bob

示例 2：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询前两行，所有列的数据
print(df.iloc[:2, :])

输出结果：

  name  age  gender
0   Amy   20  female
1   Bob   21    male

at 和 iat

at 和 iat 是用于查询单个元素的方法，它们与 loc 和 iloc 类似，只不过 at 和 iat 只能查询单个元素，速度比 loc 和 iloc 快。

示例 1：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询第二行第一列的数据
print(df.iat[1, 0])

输出结果：

Bob

示例 2：

import pandas as pd

data = {'name': ['Amy', 'Bob', 'Carson', 'David'],
        'age': [20, 21, 22, 23],
        'gender': ['female', 'male', 'male', 'male']}
df = pd.DataFrame(data)

# 查询第二行第一列的数据
print(df.at[1, 'name'])

输出结果：

Bob

ix（已废弃）

ix 通过标签值或者位置来查询表格。但是，它已经被废弃，不推荐使用。

总结

至此，pandas 中 DataFrame 的查询方法已经全部介绍完毕，分别包括 []、loc、iloc、at、iat、ix 几种方法。我们可以根据实际需求来选择不同的查询方法，从而有效地提高查询效率，加快数据处理速度。