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。