- python版本: 3.6
- pandas版本: 0.23.4
行索引
索引行有三种方法，分别是 loc iloc ix
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import pandas as pd
import numpy as np
index = ["a", "b", "c", "d"]
data = np.random.randint(10, size=(4, 3))
df = pd.dataframe(data, index=index)
"""
0 1 2
a 9 7 1
b 0 0 7
c 2 6 5
d 8 2 5
"""
|
loc
loc通过行索引名字来确定行的
单行索引, 返回series对象
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
df.loc["a"]
"""
0 9
1 7
2 1
name: a, dtype: int64
"""
df.loc["b"]
"""
0 0
1 0
2 7
name: b, dtype: int64
"""
|
多行索引, 返回dataframe对象
|
1
2
3
4
5
6
|
df.loc[["a", "c"]]
"""
0 1 2
a 9 7 1
c 2 6 5
"""
|
iloc
通过行索引序号来确定行的
单行索引, 返回series对象
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
df.iloc[0]
"""
0 9
1 7
2 1
name: a, dtype: int64
"""
df.iloc[1]
"""
0 0
1 0
2 7
name: b, dtype: int64
"""
|
多行索引, 返回dataframe对象
|
1
2
3
4
5
6
|
df.iloc[[0, 2]]
"""
0 1 2
a 9 7 1
c 2 6 5
"""
|
ix(不建议使用)
通过行索引名字或序号来确定行的, 如果行索引 index 的类型为整型时, 使用 ix 方法索引时为按行索引名字进行索引, 如行索引名不存在则会报错
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
index = [2, 3, 4, 5]
df = pd.dataframe(data, index=index)
"""
0 1 2
2 9 7 1
3 0 0 7
4 2 6 5
5 8 2 5
"""
df.ix[2]
"""
0 9
1 7
2 1
name: 2, dtype: int64
"""
# 提示信息
"""
.ix is deprecated. please use
.loc for label based indexing or
.iloc for positional indexing
"""
# 如果 index 为整数, 则不能按行索引号进行索引
df.ix[0]
"""
...
keyerror: 0
"""
|
列索引
索引行有两种方法，分别是 . []
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import pandas as pd
import numpy as np
columns = ["i", "ii", "iii"]
data = np.random.randint(10, size=(4, 3))
df = pd.dataframe(data, columns=columns)
"""
i ii iii
0 4 5 9
1 0 3 4
2 7 9 1
3 8 2 3
"""
|
通过 . 属性直接获取指定行, 返回series对象
|
1
2
3
4
5
6
7
8
|
df.i
"""
0 4
1 0
2 7
3 8
name: i, dtype: int64
"""
|
[]
单列索引, 返回dataframe对象
|
1
2
3
4
5
6
7
8
|
df[["i"]]
"""
i
0 4
1 0
2 7
3 8
"""
|
多列索引, 返回dataframe对象
|
1
2
3
4
5
6
7
8
|
df[["i", "ii"]]
"""
i ii
0 4 5
1 0 3
2 7 9
3 8 2
"""
|
同时索引行及列
通过指定索引名或切片方式进行索引
|
1
2
3
4
5
6
7
8
9
10
11
|
index = ["a", "f", "c", "h"]
columns = ["i", "ii", "iii"]
df = pd.dataframe(data, index=index, columns=columns)
"""
i ii iii
a 4 5 9
f 0 3 4
c 7 9 1
h 8 2 3
"""
|
loc
通过指定行及列索引名进行索引, 返回dataframe对象
|
1
2
3
4
5
6
|
df.loc[["a", "f"], ["ii", "iii"]]
"""
ii iii
a 5 9
f 3 4
"""
|
通过指定行及列索引名范围进行索引(包含边值), 返回dataframe对象
|
1
2
3
4
5
6
7
|
df.loc["a":"c", "ii":"iii"]
"""
ii iii
a 5 9
f 3 4
c 9 1
"""
|
iloc
通过指定行及列索引号进行索引, 返回dataframe对象
|
1
2
3
4
5
6
|
df.iloc[[0, 1], [1, 2]]
"""
ii iii
a 5 9
f 3 4
"""
|
通过指定行及列索引号范围进行切片索引(左闭右开), 返回dataframe对象
|
1
2
3
4
5
6
7
|
df.iloc[:3, 1:3]
"""
ii iii
a 5 9
f 3 4
c 9 1
"""
|
ix(不建议使用)
通过指定行及列索引号范围或名字范围进行切片, 返回dataframe对象
|
1
2
3
|
df.ix["a":"c", "i":"iii"]
df.ix["a":"c", 1:3]
df.ix[:3, 1:3]
|
tips: 只有使用 iloc 或 ix 按索引号进行切片索引时才为左闭右开, 其余全闭
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://segmentfault.com/a/1190000019380372