Pandas 索引和选择数据|极客教程

Pandas 索引和选择数据，Python和NumPy索引运算符"[]"和属性运算符"."可以快速轻松地访问Pandas数据结构。由于要访问的数据类型不是预先知道的，直接使用标准运算符具有一些限制。

Pandas支持三种索引方法：

编号	索引	描述
1	`.loc()`	基于标签
2	`.iloc()`	基于整数
3	`.ix()`	基于标签和整数，在0.20.0中已经不建议使用了

.loc()

.loc()主要基于标签(label)的，包括行标签(index)和列标签(colums)，即行名称和列名称，可以使用def.loc[index_name, col_name]选择指定位置的数据，主要用法有：

单个标量标签，如果.loc中只有单个标签，那么选择的是一行。如：df.loc['a']选择的是 index 为’a’的一样。
标签列表，如：df.loc[['a', 'b', 'c']]，同样只选择行。
切片对象，与通常的 python 切片不同，在最终选择的数据数据中包含切片的 start 和 stop。如：df.loc['c' : 'h'] 即包含’c’行，也包含’h’行。
布尔数组，用于筛选符合某些条件的行，如：df.loc[df.A>0.5] 筛选出所有’A’列大于0.5的行。

示例1

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

#select all rows for a specific column
print (df.loc[:,'A'])

执行上面示例代码，得到以下结果:

a   -1.080720
b    1.397701
c   -0.823286
d    0.064870
e   -0.195917
f    1.500541
g    1.512237
h   -0.301736
Name: A, dtype: float64

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select all rows for multiple columns, say list[]
print (df.loc[:,['A','C']])

执行上面示例代码，得到以下结果:

          A         C
a  0.773253  0.133169
b -0.152366 -0.466798
c -0.659507 -0.492561
d  1.652522  0.762202
e -0.228704 -1.016816
f -1.111037  0.705170
g  0.675199 -0.611795
h -1.708064 -0.864365

示例3

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select few rows for multiple columns, say list[]
print (df.loc[['a','b','f','h'],['A','C']])
# Select all rows for multiple columns, say list[]
print (df.loc[:,['A','C']])

执行上面示例代码，得到以下结果:

          A         C
a -0.656688 -0.470242
b  0.385045 -0.823597
f  0.249693 -0.847722
h  1.101570  0.184854
          A         C
a -0.656688 -0.470242
b  0.385045 -0.823597
c  1.232854 -0.520071
d  0.789200  2.781254
e  1.459123  0.263282
f  0.249693 -0.847722
g  0.311193 -0.266539
h  1.101570  0.184854

示例4

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select range of rows for all columns
print (df.loc['a':'h'])

执行上面示例代码，得到以下结果:

          A         B         C         D
a -1.766033 -1.418973 -0.081768 -0.075240
b -0.482872 -2.128755  0.110222 -2.245817
c  1.354420  1.176566 -1.544004  1.850402
d  0.015856 -1.487891  0.046055 -1.612705
e  0.798164 -0.453711  0.646399  0.421087
f -2.252995  0.720619  1.514084  0.642931
g  0.612089 -0.016758  0.699446 -2.090793
h  1.107763  0.080075  0.328614  0.965151

示例5

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# for getting values with a boolean array
print (df.loc['a']>0)

执行上面示例代码，得到以下结果:

A    False
B    False
C    False
D    False
Name: a, dtype: bool

.iloc()

.iloc() 是基于整数的索引，利用元素在各个轴上的索引序号进行选择，序号超过范围产生IndexError，切片时允许序号超过范围。

各种访问方式如下 –

整数，与.loc相同，如果只使用一个维度，则对行选择，小标从 0 开始。如：df.iloc[5]，选择第 6 行。
整数列表或者数组，如df.iloc[[5, 1, 7]]，选择第 6 行，第 2 行，第 8 行。
元素为整数的切片操作，与.loc不同，这里下标为 stop 的数据不被选择。如：df.iloc[0:3]，只包含 0，1，2行，不包含第 3 行。
使用布尔数组进行筛选，如 df.iloc[np.array(df.A>0.5)]，df.iloc[list(df.A>0.5)]。

注意使用布尔数组进行筛选时，可以使用 list 或者 array，使用 Series会出错，NotImplementedError 和 ValueError，前者是 Series 的 index 与待切片 DataFrame的index 不同时报错，后置 index 相同时报错。
与.loc使用布尔数组，可以使用 list, array, 也可以使用Series，使用Series时 index需要一致，否则会报 IndexError。

示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# select all rows for a specific column
print (df.iloc[:4])

执行上面示例代码，得到以下结果 –

          A         B         C         D
0 -0.115892  2.396043 -1.197159  0.853264
1  1.356529  0.147086 -0.176918  0.369814
2  0.272383 -1.092620 -0.179162  0.927654
3  0.244275  2.065297  0.515167 -1.148936

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Integer slicing
print (df.iloc[:4])
print (df.iloc[1:5, 2:4])

执行上面示例代码，得到以下结果 –

          A         B         C         D
0 -0.334957  0.003567 -0.383992  0.869259
1  0.208281  1.233185  0.057816  0.205882
2  1.673836  1.136786 -1.053916 -0.010279
3  0.945121 -1.193217 -1.833249 -0.423386
          C         D
1  0.057816  0.205882
2 -1.053916 -0.010279
3 -1.833249 -0.423386
4 -0.323664  1.422467

示例3

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Slicing through list of values
print (df.iloc[[1, 3, 5], [1, 3]])
print (df.iloc[1:3, :])
print (df.iloc[:,1:3])

执行上面示例代码，得到以下结果 –

          B         D
1 -1.131395 -0.301301
3  0.145678 -1.305442
5 -0.951487  1.082995
          A         B         C         D
1  0.097625 -1.131395 -1.024437 -0.301301
2 -0.161353  0.597387 -0.106473 -0.395230
          B         C
0  1.019034 -0.074128
1 -1.131395 -1.024437
2  0.597387 -0.106473
3  0.145678  1.461689
4  0.838873 -0.845175
5 -0.951487  1.509413
6 -0.518707  0.219204
7 -0.948292 -0.919370

.ix()

除了基于纯标签和整数之外，Pandas还提供了一种使用.ix()运算符进行选择和子集化对象的混合方法。在0.20.0中已经不建议使用了，本章只做简单介绍。
示例1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Integer slicing
print (df.ix[:4])

执行上面示例代码，得到以下结果 –

          A         B         C         D
0  0.101732  0.385476 -0.716069 -1.462599
1 -0.049541  0.287190  0.178786 -0.101089
2  1.346964  0.035192 -0.358857  0.932185
3 -0.057835 -0.765513  0.052227  0.611692
4  0.191660 -1.134119 -1.155529 -0.427058

示例2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
# Index slicing
print (df.ix[:,'A'])

执行上面示例代码，得到以下结果 –

0   -0.510629
1   -0.555033
2    1.469633
3   -2.146120
4   -0.105645
5    1.096806
6   -1.208564
7    0.837835
Name: A, dtype: float64

切片操作

[]操作只能输入一个维度，不能用逗号隔开输入两个维度。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print(df['a', 'A'])

执行上面示例代码，得到以下结果 –

Traceback (most recent call last):
  File "C:\Python\Python35\lib\site-packages\pandas\core\indexes\base.py", line 3063, in get_loc
    return self._engine.get_loc(key)
  File "pandas\_libs\index.pyx", line 140, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 162, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 1492, in pandas._libs.hashtable.PyObjectHashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 1500, in pandas._libs.hashtable.PyObjectHashTable.get_item
KeyError: ('a', 'A')

.loc 和 .iloc只输入一维时选择的行，而[]选择的是列，并且必须使用列名。

示例1

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print (df['A'])

执行上面示例代码，得到以下结果 –

0   -0.634695
1   -1.552806
2   -0.248311
3   -0.959873
4    0.399436
5    0.129919
6    0.509267
7   -2.452444
Name: A, dtype: float64

示例2

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

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

执行上面示例代码，得到以下结果 –

          A         B
0 -0.406406 -0.018110
1  0.616192  0.512940
2 -0.345786  1.040719
3  1.587768 -0.105433
4  0.795869  0.349248
5  0.933675  1.010315
6 -0.852394 -0.673538
7  0.287406 -1.499501

示例3

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print (df[2:2])

执行上面示例代码，得到以下结果 –

Empty DataFrame
Columns: [A, B, C, D]
Index: []

属性访问`.`

可以使用属性运算符.来选择列。
示例

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

print (df.A)

执行上面示例代码，得到以下结果 –

0   -0.406159
1   -1.115516
2    0.401536
3   -0.690638
4    0.209229
5   -0.241959
6    0.031407
7   -1.941796
Name: A, dtype: float64

学习笔记

loc 和.iloc支持可调用函数
示例1

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print (df.loc[lambda df:[0,1]]) #选择前两行

执行上面示例代码，得到以下结果 –

          A         B         C         D
0 -0.934925  1.115558 -0.089472 -0.626605
1  0.912093 -0.836559  0.419699 -0.653171

示例2

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print (df.iloc[lambda df:[0,1]]) #选择前两行

执行上面示例代码，得到以下结果 –

          A         B         C         D
0  1.621408 -1.488820  0.662375  0.482247
1  0.869924 -0.849727  1.958840  1.986807

Pandas 索引和选择数据

.loc()

.iloc()

.ix()

切片操作

属性访问`.`

学习笔记

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Pandas 精品教程

回顶部

.loc()

.iloc()

.ix()

切片操作

属性访问.

学习笔记

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Pandas 精品教程

回顶部

切换注册登录

用户名或邮箱

密码

切换登录注册

昵称

邮箱

属性访问`.`