一开始自学Python的numpy、pandas时候，索引和切片把我都给弄晕了，特别是numpy的切片索引、布尔索引和花式索引，简直就是大乱斗。但是最近由于版本的问题，从之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc两种索引方法，把ix这个方法给划分开来了，所以很有必要做个总结和对比。
- loc——通过行标签索引行数据
- iloc——通过行号索引行数据
- ix——通过行标签或者行号索引行数据（基于loc和iloc 的混合）
同理，索引列数据也是如此！
举例说明：
1、分别使用loc、iloc、ix 索引第一行的数据:
（1）loc
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
#print df.loc['a']
'''
c 1
d 2
e 3
'''
print df.loc[0]
#这个就会出现错误
'''
TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'>
with these indexers [1] of <type 'int'>
'''
|
(2)iloc
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
print df.iloc[0]
'''
c 1
d 2
e 3
'''
print df.iloc['a']
'''
TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'>
with these indexers [a] of <type 'str'>
'''
|
(3)ix
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
print df.ix[0]
'''
c 1
d 2
e 3
'''
print df.ix['a']
'''
c 1
d 2
e 3
'''
|
2、分别使用loc、iloc、ix 索引第一列的数据:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
print df.loc[:,['c']]
print df.iloc[:,[0]]
print df.ix[:,['c']]
print df.ix[:,[0]]
#结果都为
'''
c
a 1
b 4
'''
|
3、分别使用loc、iloc、ix 索引多行的数据:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
print df.loc['a':'b']
print df.iloc[0:1]
print df.ix['a':'b']
print df.ix[0:1]
#结果都为
'''
c d e
a 1 2 3
b 4 5 6
'''
|
4、分别使用loc、iloc、ix 索引多列的数据:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框
print df.loc[:,'c':'d']
print df.iloc[:,0:2]
print df.ix[:,'c':'d']
print df.ix[:,0:2]
#结果都为
'''
c d
a 1 2
b 4 5
'''
|
5、loc、iloc、ix使用切片的区别
loc、iloc、ix对于切片的索引数据就两种情况，按照标签切片索引和按照位置编号切片索引
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
In [20]: df.loc['ind0':'ind3']
Out[20]:
col0 col1 col2 col3 col4
ind0 0 1 2 3 4
ind1 5 6 7 8 9
ind2 10 11 12 13 14
ind3 15 16 17 18 19
In [21]: df.iloc[0:3]
Out[21]:
col0 col1 col2 col3 col4
ind0 0 1 2 3 4
ind1 5 6 7 8 9
ind2 10 11 12 13 14
|
区别不在于用哪种方法，而是通过标签索引将会将切片末端包含进去，通过位置编号索引不会讲切片末端包含进去。同样的都是第一行到第四行，通过loc就会把1,2,3,4行都提取出来，通过iloc就只能把1,2,3行提取出来。ix方法也是一样，知识方法不同而已。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
In [23]: df.ix['ind0':'ind3']
Out[23]:
col0 col1 col2 col3 col4
ind0 0 1 2 3 4
ind1 5 6 7 8 9
ind2 10 11 12 13 14
ind3 15 16 17 18 19
In [24]: df.ix[0:3]
Out[24]:
col0 col1 col2 col3 col4
ind0 0 1 2 3 4
ind1 5 6 7 8 9
ind2 10 11 12 13 14
|
对于列的切片跟行的一样。
这里讨论了基本的索引和切片，如果有用词不当的地方请提出来，我将积极改正，或者有其他有关花式索引、布尔索引的问题也可以大家一起讨论讨论！
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://blog.csdn.net/sinat_25873421/article/details/80634846