基于pandas数据样本行列选取的方法

当我们使用pandas进行数据分析时，选取数据样本中特定的行和列是非常常见的操作。在pandas中，我们可以使用不同的方法来进行数据样本的行列选取，以下是一些常用的方法：

1. loc方法

loc方法可以通过标签或布尔值标识符选取数据样本中的行和列。具体方法为：

df.loc[row_label, column_label]

其中row_label可以是单个标签、标签列表或标签切片，column_label也可以是单个标签、标签列表或标签切片。示例代码如下：

import pandas as pd

data = pd.read_csv('data.csv', index_col="ID")
# 选取ID为1,2,3三个标签行中的Name和Age两列
subset = data.loc[[1,2,3], ['Name', 'Age']]

在以上代码中，我们使用loc方法选取了标签为1,2,3的三行数据中的Name和Age列。

2. iloc方法

iloc方法可以通过位置标识符选取数据样本中的行和列。具体方法为：

df.iloc[row_number, column_number]

其中row_number可以是单个整数、整数列表或整数切片，column_number也可以是单个整数、整数列表或整数切片。示例代码如下：

import pandas as pd

data = pd.read_csv('data.csv', index_col="ID")
# 选取前三行中的第二、第三列数据
subset = data.iloc[0:3, 1:3]

在以上代码中，我们使用iloc方法选取了前三行的第二、第三列数据。

通过以上两种方法，我们可以对数据样本进行复杂的行列选取操作。需要注意的是，选取的行和列可以是单个标签/整数、标签/整数列表或标签/整数切片，具体选择哪种方法取决于你的数据和需求。

例子：

我们有以下的数据：

import pandas as pd

data = {'Name': ['Tom', 'Nick', 'Jack', 'Robert', 'David', 'Tom'],
        'Age': [20, 21, 19, 18, 22, 21],
        'Country': ['China', 'US', 'US', 'China', 'US', 'US']}

df = pd.DataFrame(data, index=['Index1', 'Index2', 'Index3', 'Index4', 'Index5', 'Index6'])

现在，我们想选取第1行到第4行，然后选取第2列到第3列，代码如下：

subset = df.iloc[0:4, 1:3]
print(subset)

输出结果为：

        Age Country
Index1   20   China
Index2   21      US
Index3   19      US
Index4   18   China

我们也可以通过标签选取，选取Index1到Index4行，Name到Country列的数据。代码如下：

subset = df.loc['Index1':'Index4', 'Name':'Country']
print(subset)

输出结果为：

         Name  Age Country
Index1    Tom   20   China
Index2   Nick   21      US
Index3   Jack   19      US
Index4  Robert  18   China