Pandas数据切片与索引

01 前言

我们经常让Excel表格数据与Pandas的DataFrame数据做类比学习，而在实际的应用中，我们发现，关于数据的选择是很重要的一部分。

例如，要选择某几行某几列，或者符合某种条件的数据（类似于Excel中的筛选功能）。

因此，本篇文章就简单介绍几种Pandas数据选择的方法，用最少的知识点，解决最重要的问题。

02 loc和iloc

在对Pandas数据进行操作时，最常用的就是选择部分行和列。

首先为loc，这个根据行和列索引名称来进行选择，例如下面的数据。行索引就是0到6，列索引就是name、course和score。

其用法为loc[行索引，列索引]。

例如，为选择score列可用下面代码，前面我们选择全部行，后面选择score列。

data.loc[:,'score']

获取第3行（其实是第四行，Python索引从0开始），可用以下代码。

data.loc[3,:]

选择部分行和部分列，可用下面代码：

data.loc[[2,4],['course','score']]

最后iloc用法和loc一样，只是iloc使用行和列的数字索引，也就是说，行索引就是0到6，列索引就是0到2。

03 布尔选择

为了选择符合某种条件的数据，就需要使用布尔选择，例如，我们要选择成绩大于80的数据，可用下面代码。

data[data['score'] > 80]

布尔选择有与或非，分别用&，|，~来实现，例如获取李四和王五的成绩单。

data[(data['name'] == '李四') | (data['name'] == '王五')]

data[data['name'].isin(['李四','王五'])]

data[~(data['name'] == '张三')]