pandas DataFrame 数据选取，修改，切片的实现
在刚开始使用pandas DataFrame的时候，对于数据的选取，修改和切片经常困惑，这里总结了一些常用的操作。
pandas主要提供了三种属性用来选取行/列数据：
属性名 | 属性 |
|---|---|
ix | 根据整数索引或者行标签选取数据 |
iloc | 根据位置的整数索引选取数据 |
loc | 根据行标签选取数据 |
先初始化一个DateFrame做例子
import numpy as np
import pandas as pd
df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])df是这样的
In [35]: df
Out[35]:
name gender age
0 Snow M 22
1 Tyrion M 32
2 Sansa F 18
3 Arya F 14如果每列都有column name，比如这里是:
In [42]: df.columns
Out[42]: Index(['name', 'gender', 'age'], dtype='object')1. df[‘column_name’] ，df[row_start_index, row_end_index] 选取指定整列数据
df['name']
df['gender']
df[['name','gender']] #选取多列，多列名字要放在list里
df[0:] #第0行及之后的行，相当于df的全部数据，注意冒号是必须的
df[:2] #第2行之前的数据（不含第2行）
df[0:1] #第0行
df[1:3] #第1行到第2行（不含第3行）
df[-1:] #最后一行
df[-3:-1] #倒数第3行到倒数第1行（不包含最后1行即倒数第1行，这里有点烦躁，因为从前数时从第0行开始，从后数就是-1行开始，毕竟没有-0）2. loc，在知道列名字的情况下，df.loc[index,column] 选取指定行，列的数据
loc也提供了五种参数形式
input | example（摘自官方文档） | output |
|---|---|---|
行标签 | df.loc[‘viper’] | 选取viper那一行 |
行标签数组 | df.loc[[‘viper’, ‘sidewinder’]] | 选取行标签为viper、sidewinder |
行标签切片 | df.loc[‘cobra’:‘viper’, ‘max_speed’] | 选取从cobra到viper行的max_speed列 |
布尔值数组 | df.loc[[False, False, True]] | — |
函数 | df.loc[df[‘shield’] 6, [‘max_speed’]] | 选取shield列大于6的那一行的max_speed数据 |
注意 df.loc[df[‘one’] 10]这样的写法是可以正常选出one列大于10的数据
# df.loc[index, column_name],选取指定行和列的数据
df.loc[0,'name'] # 'Snow'
df.loc[0:2, ['name','age']] #选取第0行到第2行，name列和age列的数据, 注意这里的行选取是包含下标的。
df.loc[[2,3],['name','age']] #选取指定的第2行和第3行，name和age列的数据
df.loc[df['gender']=='M','name'] #选取gender列是M，name列的数据
df.loc[df['gender']=='M',['name','age']] #选取gender列是M，name和age列的数据3. iloc，在column name特别长或者index是时间序列等各种不方便输入的情况下，可以用iloc (i = index), iloc完全用数字来定位 iloc[row_index, column_index]
iloc提供了五种参数形式
input | example | output |
|---|---|---|
整数(行索引) | df.iloc[5] | 选取第6行数据 |
整数数组 | df.iloc[[1,3,5]] | 选取第2,4,6行数据 |
整数切片 | df.iloc[1:3] | 选取2~4行数据(不包含第4行数据) |
布尔值数组 | df.iloc[[True,False,True] | 选取第1,3行数据 |
函数 | df.iloc[(df[‘one’] 10).tolist()] | 选取’one’这列大于10的那一行数据 |
注意：iloc接受有返回值的函数作为参数，但要保证函数返回的是整数/整数list，布尔值/布尔list
如果直接运行 df.iloc[df[‘one’] 10]
则会报错 NotImplementedError: iLocation based boolean indexing on an integer type is not available
因为df[‘one’] 10 返回的是 series类型的数据
除此之外，还可以进行组合切片
input | example | output |
|---|---|---|
整数(行索引) | df.iloc[5,1] | 选取第6行，第2列的数据 |
整数数组 | df.iloc[[1,3],[1,2]] | 选取第2,4行；2,3列的数据 |
整数切片 | df.iloc[1:3,1:3] | 选取第2,3行；2,3列的数据 |
布尔值数组 | df.iloc[[True,True,False],[True,False,True]] | 选取第1,2行；1,3列的数据 |
要注意的是，我们用df[参数]也可以进行切片，但这种方式容易引起chained indexing 问题。除此之外，**df[lable1][lable2]**的操作是线性的，对lable2的选取是在df[lable1]的基础上进行，速度相对较慢。所以在对数据进行切片的时候尽量使用iloc这类的方法
df.iloc[0,0] #第0行第0列的数据，'Snow'
df.iloc[1,2] #第1行第2列的数据，32
df.iloc[[1,3],0:2] #第1行和第3行，从第0列到第2列（不包含第2列）的数据
df.iloc[1:3,[1,2] #第1行到第3行（不包含第3行），第1列和第2列的数据4. ix, ix很强大，loc和iloc的功能都能做到 ix[row_index, column_index]
ix虽然强大，然而已经不再被推荐，因为在最新版的pandas里面，ix已经成为deprecated。（https://github.com/pandas-dev/pandas/issues/14218）
大概是因为可以混合label和position导致了很多用户问题和bug。
所以，用label就用loc，用position就用iloc。
df.ix[0,0] #第0行第0列的数据，'Snow'
df.ix[0,[1,2]] #第0行，第1列和第2列的数据
df.ix[0:2,[1,2]] #第0行到第2行（包含第3行），第1列和第2列的数据
df.ix[1,0:2] #第1行，从第0列到第2列（不包含第2列）的数据切片时，iloc行不含下标上限，loc,ix行包含，列iloc和ix都不含列下标上限。（设计者的缺憾。。。）
到此这篇关于pandas DataFrame 数据选取，修改，切片的实现的文章就介绍到这了,更多相关pandas 数据选取，修改，切片内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持ZaLou.Cn！