聊聊 [ ] 操作符，最后引出一个看似.....
完成本文用时80分钟，全文1700+字
今天，聊聊 [] 操作符。
原生Python中，[] 操作符常见的是与 list 搭配使用，并且 [] 操作符支持的对象只能是：整形，切片，list等可迭代对象是禁止的。例如：
a= [1, 3, 5]# 以下OK：a[1]a[True]a[:2]a[:6]# 不OK：a[[1,2]]为了更好地发挥 Python 的强大威力，有了数据分析常用包Pandas，它就让 [] 操作符支持 list对象。
为了演示这个点，我们先生成一个DataFrame实例 df1
import pandas as pdimport numpy as np
np.random.seed(1)df1=pd.DataFrame(np.random.randint(1,10,(4,3)),index=['r1','r2','r3','r4'],columns=['c1','c2','c3'])
#结果 c1 c2 c3r1 6 9 6r2 1 1 2r3 8 7 3r4 5 6 3[] 操作符这样支持 list 对象，注意这种支持也仅仅是对列索引；对于行索引，依然不支持。
df1[['c1','c3']]#测试支持列索引 c1 c3r1 6 6r2 1 2r3 8 3r4 5 3
df1[['r1', 'r4']]#测试结果，会出现以下报错：
至于为什么Pandas要这么做，大家可以在留言区发表看法。
利用行切片整数索引，获取数据帧，Pandas依然延续了原生Python的风格，如下：
df1[1:3]#结果 c1 c2 c3r2 1 1 2r3 8 7 3Pandas还对此做了增强，同时支持：行切片标签索引，获取数据帧，如下，注意包括终止标签。
df1['r1':'r3']#结果 c1 c2 c3r1 6 9 6r2 1 1 2r3 8 7 3[] 操作符除了支持以上对象类型外，还支持哪些对象类型？ 总感觉缺点什么！ 它还支持：DataFrame
先问您一下：您知道 df1 > 4 返回的类型是什么吗？
答案： DataFrame实例，结果如下，元素取值不难理解。
c1 c2 c3r1 True True Truer2 False False Falser3 True True Falser4 True True False既然 [] 操作符支持 DataFrame实例，那么返回的结果您一定想知道：
df1[ df1 > 4 ]#结果如下： c1 c2 c3r1 6.0 9.0 6.0r2 NaN NaN NaNr3 8.0 7.0 NaNr4 5.0 6.0 NaN看到结果，可能不用解释，您也知道怎么回事了。
下面，引出一个奇怪的问题，大家可以回去思考。这个操作的readable不是很好，所以觉得此操作很奇怪。
上面讲到，[] 操作符支持DataFrame实例，不过，如果我们剥去它的层层外衣，直奔最本质，揪出它后就是一个 list 实例：
inner = ((df1>4).values).tolist()inner#结果，类型是list[[True, True, True], [False, False, False], [True, True, False], [True, True, False]]接下来，就是见证奇迹的时刻：
df1[inner]#结果 ？？？您想到了吗？
答案：
c1 c2 c3r1 6 9 6r1 6 9 6r1 6 9 6r3 8 7 3r3 8 7 3r4 5 6 3r4 5 6 3差不多，您也可以解释为什么结果是这样了吧！今天，只想尽量聊透 [] 操作符访问数据这个知识点，当然还有更多的访问数据的函数，比如iloc, loc等。 欢迎留言，畅所欲言。
难得早下班，静下心来，书写1个多小时，还是感觉挺踏实的。您看到这里了吗？ 那就点一下：在看
本文分享自 程序员郭震zhenguo 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
腾讯云开发者
