pandas loc iloc ix用法详细分析
介绍
pandas是Python中一个非常常用的数据分析和处理工具,其提供了丰富的API来处理DataFrame和Series类型的数据。其中,loc,iloc和ix是pandas中最常用的三个函数之一。这三个函数主要用于选取DataFrame或Series中的子集,但其使用时具有不同的区别。
loc函数
loc函数主要用于基于标签对Dataframe中的行和列进行选取,其基本的语法如下:
df.loc[行, 列]
其中,行和列都可以是标签或切片,也可以是Boolean数组。
以下是一个示例:
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
index=[1, 2, 3])
# 使用loc选取第2行第3列的元素
res = df.loc[2, 'C']
print(res) # 输出为 8
iloc函数
iloc函数主要用于基于位置对Dataframe中的行和列进行选取,其基本的语法如下:
df.iloc[行, 列]
其中,行和列都可以是整数或整数切片,也可以是Boolean数组。
以下是示例:
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
index=[1, 2, 3])
# 使用iloc选取第2行第3列的元素
res = df.iloc[1, 2]
print(res) # 输出为 8
ix函数
ix函数主要用于同时基于标签和位置对Dataframe中的行和列进行选取,但在最新版本中已经不再推荐使用。其基本的语法如下:
df.ix[行, 列]
其使用方法与loc和iloc函数类似。以下是一个示例:
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
index=[1, 2, 3])
# 使用ix选取第2行第3列的元素
res = df.ix[1, 2]
print(res) # 输出为 8
示例说明
示例1:选取指定行列的子集
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
index=[1, 2, 3])
# 使用loc选取第2行第3列的元素
res1 = df.loc[2, 'C']
# 使用iloc选取第2行第3列的元素
res2 = df.iloc[1, 2]
# 输出结果
print(res1) # 输出为 8
print(res2) # 输出为 8
示例2:基于Boolean数组选取子集
import pandas as pd
import numpy as np
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]},
index=[1, 2, 3])
# 创建一个Boolean数组
bool_array = np.array([False, True, False])
# 使用loc选取符合条件的行
res1 = df.loc[bool_array, :]
# 使用iloc选取符合条件的行
res2 = df.iloc[bool_array, :]
# 输出结果
print(res1) # 输出第2行的数据
print(res2) # 输出第2行的数据
以上就是关于pandas loc iloc ix用法的详细分析,希望能够对大家有所帮助。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:pandas loc iloc ix用法详细分析 - Python技术站