pandas.dataframe按行索引表达式选取方法

当我们使用pandas库进行数据分析时，最常见的数据格式之一就是数据帧(DataFrame)，因此如何对DataFrame进行行索引的操作是非常重要的技能。本文将为大家详细讲解pandas.dataframe按行索引表达式选取方法，并且包含两个示例说明。

一、pandas.dataframe按行索引表达式选取方法

在pandas中，对DataFrame进行行索引操作的主要有三种方法，按标签索引(loc)、按整数位置索引(iloc)、按布尔索引(boolean indexing)。具体的使用方法如下：

1. 按标签索引(loc)

按标签索引是通过行标签选取行数据的方法，其格式为：df.loc[label]。其中，label可以是单个标签，也可以是一个列表或者切片，下面是一些使用示例：

import pandas as pd

# 创建数据
data = {'name': ['Amy', 'Bob', 'Cathy', 'David'], 'age': [18, 19, 20, 21], 'gender': ['F', 'M', 'F', 'M']}
df = pd.DataFrame(data, index=[1001, 1002, 1003, 1004])

# 按单个标签选择数据
print(df.loc[1001])  # 选取行索引是1001的数据

# 按标签范围选择数据
print(df.loc[1001:1003])  # 选取行索引从1001到1003之间的数据

# 按列表选择数据
print(df.loc[[1001, 1003]])  # 选取行索引是1001和1003的数据

2. 按整数位置索引(iloc)

按整数位置索引是通过行位置选取行数据的方法，其格式为：df.iloc[position]。其中，position可以是单个位置，也可以是一个列表或者切片，下面是一些使用示例：

# 按单个位置选择数据
print(df.iloc[0])  # 选取第一行数据

# 按整数位置范围选择数据
print(df.iloc[0:3])  # 选取第一行到第三行的数据

# 按整数位置列表选择数据
print(df.iloc[[0, 3]])  # 选取第一行和第四行数据

3. 按布尔索引(boolean indexing)

按布尔索引是通过布尔值选取行数据的方法，其格式为：df[bool_expression]。其中，bool_expression是一个布尔表达式，可以是一系列比较运算和逻辑运算符的组合，下面是一些使用示例：

# 按条件表达式选择数据
print(df[df['age'] > 19])  # 选取年龄大于19的数据

# 按多个条件表达式选择数据
print(df[(df['age'] > 19) & (df['gender'] == 'M')])  # 选取年龄大于19且性别为男的数据

二、示例说明

为了更好地演示pandas.dataframe按行索引表达式选取方法，下面将通过两个示例进行详细说明。

1. 选取特定行数据

在数据分析中，我们经常需要选取数据集中的特定一行或多行数据，这时我们可以使用按标签索引(loc)或按整数位置索引(iloc)的方法。

import pandas as pd

# 创建数据
data = {'name': ['Amy', 'Bob', 'Cathy', 'David'], 'age': [18, 19, 20, 21], 'gender': ['F', 'M', 'F', 'M']}
df = pd.DataFrame(data, index=[1001, 1002, 1003, 1004])

# 按标签索引选择数据（选取index=1002和1004的数据）
print(df.loc[[1002, 1004]])

# 按整数位置索引选择数据（选取第2行和第4行的数据）
print(df.iloc[[1, 3]])

输出结果：

      name  age gender
1002   Bob   19      M
1004  David  21      M

     name  age gender
1002  Bob   19      M
1004  David 21       M

2. 按条件选取数据

在数据分析中，我们经常需要根据某些条件选取数据集中符合条件的所有行数据，这时我们可以使用按布尔索引(boolean indexing)的方法。

import pandas as pd

# 创建数据
data = {'name': ['Amy', 'Bob', 'Cathy', 'David'], 'age': [18, 19, 20, 21], 'gender': ['F', 'M', 'F', 'M']}
df = pd.DataFrame(data, index=[1001, 1002, 1003, 1004])

# 按条件表达式选择数据（选取年龄大于等于20的数据）
print(df[df['age'] >= 20])

# 按多个条件表达式选择数据（选取年龄大于等于20且性别为男的数据）
print(df[(df['age'] >= 20) & (df['gender'] == 'M')])

输出结果：

      name  age gender
1003  Cathy  20      F
1004  David  21      M

     name  age gender
1004  David  21      M

以上就是pandas.dataframe按行索引表达式选取方法的完整攻略，包含了按标签索引(loc)、按整数位置索引(iloc)、按布尔索引(boolean indexing)三种方法的使用以及两个示例说明。希望能够对大家的数据分析工作有所帮助。