我們對 DataFrame 進行選擇，大抵從這三個層次考慮：行列、區域、單元格。
其對應使用的方法如下：
一. 行，列 --> df[]
二. 區域?? --> df.loc[], df.iloc[], df.ix[]
三. 單元格 --> df.at[], df.iat[]

?

下面開始練習：

import numpy as np import pandas as pddf = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))

1. df[]:

一維
行維度：
??? 整數切片、標簽切片、<布爾數組>
列維度：
??? 標簽索引、標簽列表、Callable

df[:3] df['a':'c'] df[[True,True,True,False,False,False]] # 前三行（布爾數組長度等于行數） df[df['A']>0] # A列值大于0的行 df[(df['A']>0) | (df['B']>0)] # A列值大于0，或者B列大于0的行 df[(df['A']>0) & (df['C']>0)] # A列值大于0，并且C列大于0的行

?

df['A'] df[['A','B']] df[lambda df: df.columns[0]] # Callable

2. df.loc[]

二維，先行后列
行維度：
??? 標簽索引、標簽切片、標簽列表、<布爾數組>、Callable
列維度：
??? 標簽索引、標簽切片、標簽列表、<布爾數組>、Callable
?? ?

df.loc['a', :] df.loc['a':'d', :] df.loc[['a','b','c'], :] df.loc[[True,True,True,False,False,False], :] # 前三行（布爾數組長度等于行數） df.loc[df['A']>0, :] df.loc[df.loc[:,'A']>0, :] df.loc[df.iloc[:,0]>0, :] df.loc[lambda _df: _df.A > 0, :]

?

df.loc[:, 'A'] df.loc[:, 'A':'C'] df.loc[:, ['A','B','C']] df.loc[:, [True,True,True,False]] # 前三列（布爾數組長度等于行數） df.loc[:, df.loc['a']>0] # a行大于0的列 df.loc[:, df.iloc[0]>0] # 0行大于0的列 df.loc[:, lambda _df: ['A', 'B']]

?

df.A.loc[lambda s: s > 0]

3. df.iloc[]

二維，先行后列
行維度：
??? 整數索引、整數切片、整數列表、<布爾數組>
列維度：
??? 整數索引、整數切片、整數列表、<布爾數組>、Callable

df.iloc[3, :] df.iloc[:3, :] df.iloc[[0,2,4], :] df.iloc[[True,True,True,False,False,False], :] # 前三行（布爾數組長度等于行數） df.iloc[df['A']>0, :] #× 為什么不行呢？想不通！ df.iloc[df.loc[:,'A']>0, :] #× df.iloc[df.iloc[:,0]>0, :] #× df.iloc[lambda _df: [0, 1], :]

?

df.iloc[:, 1] df.iloc[:, 0:3] df.iloc[:, [0,1,2]] df.iloc[:, [True,True,True,False]] # 前三列（布爾數組長度等于行數） df.iloc[:, df.loc['a']>0] #× df.iloc[:, df.iloc[0]>0] #× df.iloc[:, lambda _df: [0, 1]]

4. df.ix[]

二維，先行后列
行維度：
??? 整數索引、整數切片、整數列表、
??? 標簽索引、標簽切片、標簽列表、
??? <布爾數組>、
??? Callable
列維度：
??? 整數索引、整數切片、整數列表、
??? 標簽索引、標簽切片、標簽列表、
??? <布爾數組>、
??? Callable

df.ix[0, :] df.ix[0:3, :] df.ix[[0,1,2], :]df.ix['a', :] df.ix['a':'d', :] df.ix[['a','b','c'], :]

?

df.ix[:, 0] df.ix[:, 0:3] df.ix[:, [0,1,2]]df.ix[:, 'A'] df.ix[:, 'A':'C'] df.ix[:, ['A','B','C']]

?

5. df.at[]

精確定位單元格
行維度：
??? 標簽索引
列維度：
??? 標簽索引

df.at['a', 'A']

6. df.iat[]

精確定位單元格

行維度：
??? 整數索引
列維度：
??? 整數索引

df.iat[0, 0]

總結

以上是生活随笔為你收集整理的python科学计算笔记（四）pandas 数据索引与选取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。