详解pandas中利用DataFrame对象的.loc[]、.iloc[]方法抽取数据

当我们使用pandas库中的DataFrame对象来处理数据时，会涉及到从数据集中抽取部分数据来进行分析的情况。这时候，我们可以使用.loc[]和.iloc[]方法来实现这个功能。下面，我将详细解释这两个方法的使用方法，并给出几个示例。

什么是.loc[]和.iloc[]方法

.loc[]和.iloc[]方法是pandas中DataFrame对象的两种索引方式。其中，.loc[]方法使用标签索引方式从DataFrame对象中抽取数据；而.iloc[]方法使用整数索引方式从DataFrame对象中抽取数据。

.loc[]方法的使用

.loc[]方法可以使用单一的行标签，列标签或者两个标签的切片来抽取数据。其一般的语法如下：

df.loc[row_selection, column_selection]

其中，row_selection和column_selection可以是以下这些不同类型的数据：

• 单一的标签：例如df.loc['A', 'x']，使用'A'这个行标签和'x'这个列标签来抽取出数据。
• 行或列名称的切片：例如df.loc[:, 'x':'z']，使用'x'至'z'列的名称切片来选取整行中的数据。
• 行或列的布尔向量：例如df.loc[df['y'] > 1, :]，使用y列中值大于1的行的布尔向量来抽取出符合条件的整行。
• 可迭代的行或列名称集合：例如df.loc[:, ['x', 'z']]，使用一个列名称的列表来选取出对应的列。
• 条件表达式：例如df.loc[(df['y'] > 1) & (df['z'] < 2), ['y','z']]，使用布尔序列和列名称列表来选取出符合条件的行和列。

下面通过一个示例来演示一下.loc[]方法的使用：

import pandas as pd

# 创建一个DataFrame对象
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]}, index=['X','Y','Z'])

# 使用标签索引来抽取数据
print(df.loc['X', 'A'])    # 输出值为1

# 使用行、列切片来抽取数据
print(df.loc[:, 'A':'B'])  # 输出值为：
#    A  B
# X  1  4
# Y  2  5
# Z  3  6

# 使用行的布尔向量来抽取数据
print(df.loc[df['B'] > 4, 'C'])  # 输出值为：
# Y    8
# Z    9
# Name: C, dtype: int64

# 使用行名称集合来抽取数据
print(df.loc[['X', 'Z'], ['B']]) # 输出值为：
#    B
# X  4
# Z  6

.iloc[]方法的使用

与.loc[]方法不同，.iloc[]方法使用整数索引来抽取数据。其一般语法如下：

df.iloc[row_selection, column_selection]

其中，row_selection和column_selection可以是以下这些不同类型的数据：

• 整数位置：例如df.iloc[0, 1]，使用DataFrame对象中(0,1)这个位置上的值来抽取数据。
• 整数的切片：例如df.iloc[:, 1:3]，使用DataFrame对象中第1至2列的切片来抽取出所有数据。
• 整数列表或者数组：例如df.iloc[[0,2], [0, 2]]，使用行和列的列表或数组来抽取出相应的行和列。
• 可接受任意可迭代的形式的行或列位置选择器：例如df.iloc[1::2, :]，使用步长为2的行索引切片来选取出相应数据。

下面通过一个示例来演示一下.iloc[]方法的使用：

import pandas as pd

# 创建一个DataFrame对象
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6], 'C': [7,8,9]})

# 使用整数位置来抽取数据
print(df.iloc[0,1])   # 输出值为4

# 使用整数的切片来抽取数据
print(df.iloc[:, 1:3])  # 输出值为：
#   B  C
# 0  4  7
# 1  5  8
# 2  6  9

# 使用整数列表来抽取数据
print(df.iloc[[0,2], [0, 2]]) # 输出值为：
#    A  C
# 0  1  7
# 2  3  9

# 使用可接受任意可迭代的形式的行或列位置选择器来抽取数据
print(df.iloc[1::2, :]) # 输出值为：
#    A  B  C
# 1  2  5  8