Pandas 使用双括号和单括号索引的区别

在Pandas中使用括号索引是数据分析工作中的重要方法之一。但是，你知道在Pandas中双括号和单括号索引的区别吗？本文将会为大家详细介绍其中的差异。

阅读更多：Pandas 教程

单括号索引与普通Python索引的异同

在Pandas数据框中，单括号的索引类似于普通Python中对列表和字典的索引。我们可以使用单个列或多个列进行索引。下面是单括号索引的一些实例：

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9]})

print(df['A'])

0    1
1    2
2    3
Name: A, dtype: int64

此时我们可以看出，单括号索引返回的是以Series形式排列的DataFrame的一列，而不是DataFrame本身。那么如果我们想要查看多列的数据呢？可以使用如下形式的单括号索引：

print(df[['A', 'C']])

   A  C
0  1  7
1  2  8
2  3  9

可以看到，通过使用双括号进行索引，我们得到了一个新的DataFrame，而不是以Series形式呈现的DataFrame的单个列。

双括号索引与单括号索引的区别

在Pandas中，使用双括号索引，我们可以用于过滤或选择数据框中符合条件的多行和多列数据。下面是双括号索引的一些实例：

print(df.loc[:,['A','B']])

   A  B
0  1  4
1  2  5
2  3  6

上面的代码实现了对所有行（:）中列名为A和B的列进行选择。如果使用单括号进行相同的操作，则会导致语法错误。

而如果我们想要选择A列中值大于2的行数，那么就可以用双括号处理：

print(df.loc[df['A']>2])

   A  B  C
2  3  6  9

如果用单括号处理，则会出现错误：

print(df[df['A']>2])

TypeError: 'Series' object is not callable

双括号可以让我们使用更多的筛选功能，并能显示DataFrame结构。而单括号则仅能使用基本的索引功能。

使用切片选择数据

在Pandas中，还可以使用切片选择数据。不同于Python中的切片，Pandas可以使用一个切片操作符和一个列名列表。下面是一个使用切片选择单列数据的例子：

print(df.loc[1:2, ['B']])

   B
1  5
2  6

如果我们使用单括号，并尝试相同的切片操作，则会获取到行而不是指定的列：

print(df[1:2]['B'])

1    5
Name: B, dtype: int64

总结

单括号索引可以方便地访问一个Pandas DataFrame中的一个列，也可以选择多列。但是，如果要进行更高级的操作，可以尝试使用双括号索引。使用双方形而不是单方形索引时要注意，在处理行和列时使用正确的语法。此外，我们还了解了如何使用切片操作符选择数据，并且发现了单括号索引在这方面的限制。在实际使用中，需要根据不同的情况选择恰当的索引方式，以实现所需的操作。