Pandas详解五之下标存取

约定

import pandas as pd
import numpy as  np

下标存取

Series和DataFrame提供了丰富的下标存取方法，除了直接用[ ],还有.loc[ ]、.iloc[ ]、.at[ ]、.iat[ ]和.ix[ ]等存取方式。

np.random.seed(42)
df1=pd.DataFrame(np.random.randint(1,10,(4,3)),index=['r1','r2','r3','r4'],columns=['c1','c2','c3'])
df1

代码结果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3
r3	7	8	5
r4	4	8	8

一、[ ] 操作符

支持以下6种下标对象：

• 单个列标签

返回Series对象

df1['c1']

代码结果：

r1    7
r2    5
r3    7
r4    4
Name: c1, dtype: int32

• 多个列标签

返回DataFrame对象

df1[['c1','c3']]

代码结果：

	c1	c3
r1	7	8
r2	5	3
r3	7	5
r4	4	8

• 行索引的整数切片

df1[1:3]

代码结果：

	c1	c2	c3
r2	5	7	3
r3	7	8	5

• 行索引的标签切片

注意包括终止标签

df1['r1':'r2']

代码结果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3

• 布尔数组

df1.c1>5 是一个布尔序列

df1[df1.c1>5]

代码结果：

	c1	c2	c3
r1	7	4	8
r3	7	8	5

• 布尔DataFrame

df1>4 是一个布尔DataFrame对象

df1[df1>4]

代码结果：

	c1	c2	c3
r1	7.0	NaN	8.0
r2	5.0	7.0	NaN
r3	7.0	8.0	5.0
r4	NaN	8.0	8.0

• 注意，类似df1[1]、df1[‘r1’]的位置存取、单个行标签存取是错误的。

二、.loc[ ] 和 .iloc[ ] 存取器

.loc[y]/.iloc[y]：y可以是单个值，也可是多个值（列表），y代表行索引

.loc[y，x]/.iloc[y，x]：y代表行索引，x代表列索引

• 上面说到了df1[‘r1’]单个行标签存取是错误的，则用.loc[]能可以。

df1.loc['r1']

代码结果：

c1    7
c2    4
c3    8
Name: r1, dtype: int32

• 获取多行

df1.loc[['r1','r2']]

代码结果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3

• 行、列筛选

df1.loc[['r1','r2'],['c1','c3']]

代码结果：

	c1	c3
r1	7	8
r2	5	3

• .iloc[ ]与.loc[ ]相似，但不同的是，.iloc[ ]使用整数下标:

df1.iloc[2]

代码结果：

c1    7
c2    8
c3    5
Name: r3, dtype: int32

df1.iloc[[2,1]]

代码结果：

	c1	c2	c3
r3	7	8	5
r2	5	7	3

三、.ix[ ]存取器

.ix[ ]特点为综合了前面的，可以混用标签、位置下标存取。

同样的，下标中，第一个为行索引，第二个为列索引。

df1.ix['r2',1:3]

代码结果：

c2    7
c3    3
Name: r2, dtype: int32

df1.ix[1:3,['c1','c3']]

代码结果：

	c1	c3
r2	5	3
r3	7	5

四、获取单个值

• .at[ ]和.iat[ ] 能使用标签和整数下标获取单个值。此外，推荐.get_value(),相比前面的更快。

df1.at['r1','c3']

代码结果：

8

df1.iat[0,2]

代码结果：

8

df1.get_value('r1','c3')

代码结果：

8

• 获取成对标签的单个值

df1.lookup(['r1','r3','r1'],['c3','c2','c2'])

代码结果：

array([8, 8, 4])

五、query()方法

• 当需要筛选时，我们可能会：

df1[(df1.c1>4)&(df1.c3<5)]

代码结果：

	c1	c2	c3
r2	5	7	3

• 使用query()能简化：

df1.query("c1>4 and c3<5")

代码结果：

	c1	c2	c3
r2	5	7	3

谢谢大家的浏览，
希望我的努力能帮助到您，
共勉！