SQL中的select是根据列的名称来选取；Pandas则更为灵活，不但可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。相关函数如下：
1）loc，基于列label，可选取特定行（根据行index）；
2）iloc，基于行/列的position；
3）at，根据指定行index及列label，快速定位DataFrame的元素；
4）iat，与at类似，不同的是根据position来定位的；
5）ix，为loc与iloc的混合体，既支持label也支持position；
实例
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import pandas as pd
import numpy as np
df = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59],
'tip': [1.01, 1.66, 3.50, 3.31, 3.61],
'sex': ['Female', 'Male', 'Male', 'Male', 'Female']})
# data type of columns
print df.dtypes
# indexes
print df.index
# return pandas.Index
print df.columns
# each row, return array[array]
print df.values
print df
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
sex object
tip float64
total_bill float64
dtype: object
RangeIndex(start=0, stop=5, step=1)
Index([u'sex', u'tip', u'total_bill'], dtype='object')
[['Female' 1.01 16.99]
['Male' 1.66 10.34]
['Male' 3.5 23.68]
['Male' 3.31 23.68]
['Female' 3.61 24.59]]
sex tip total_bill
0 Female 1.01 16.99
1 Male 1.66 10.34
2 Male 3.50 23.68
3 Male 3.31 23.68
4 Female 3.61 24.59
|
|
1
2
3
4
|
print df.loc[1:3, ['total_bill', 'tip']]
print df.loc[1:3, 'tip': 'total_bill']
print df.iloc[1:3, [1, 2]]
print df.iloc[1:3, 1: 3]
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
total_bill tip
1 10.34 1.66
2 23.68 3.50
3 23.68 3.31
tip total_bill
1 1.66 10.34
2 3.50 23.68
3 3.31 23.68
tip total_bill
1 1.66 10.34
2 3.50 23.68
tip total_bill
1 1.66 10.34
2 3.50 23.68
|
错误的表示：
|
1
|
print df.loc[1:3, [2, 3]]#.loc仅支持列名操作
|
|
1
|
KeyError: 'None of [[2, 3]] are in the [columns]'
|
|
1
|
print df.loc[[2, 3]]#.loc可以不加列名，则是行选择
|
|
1
2
3
|
sex tip total_bill
2 Male 3.50 23.68
3 Male 3.31 23.68
|
|
1
|
print df.iloc[1:3]#.iloc可以不加第几列，则是行选择
|
|
1
2
3
|
sex tip total_bill
1 Male 1.66 10.34
2 Male 3.50 23.68
|
|
1
|
print df.iloc[1:3, 'tip': 'total_bill']
|
|
1
|
TypeError: cannot do slice indexing on <class 'pandas.indexes.base.Index'> with these indexers [tip] of <type 'str'>
|
|
1
2
3
4
|
print df.at[3, 'tip']
print df.iat[3, 1]
print df.ix[1:3, [1, 2]]
print df.ix[1:3, ['total_bill', 'tip']]
|
|
1
2
3
4
5
6
7
8
9
10
|
3.31
3.31
tip total_bill
1 1.66 10.34
2 3.50 23.68
3 3.31 23.68
total_bill tip
1 10.34 1.66
2 23.68 3.50
3 23.68 3.31
|
|
1
|
print df.ix[[1, 2]]#行选择
|
|
1
2
3
|
sex tip total_bill
1 Male 1.66 10.34
2 Male 3.50 23.68
|
|
1
2
3
|
print df[1: 3]
print df[['total_bill', 'tip']]
# print df[1:2, ['total_bill', 'tip']] # TypeError: unhashable type
|
|
1
2
3
4
5
6
7
8
9
|
sex tip total_bill
1 Male 1.66 10.34
2 Male 3.50 23.68
total_bill tip
0 16.99 1.01
1 10.34 1.66
2 23.68 3.50
3 23.68 3.31
4 24.59 3.61
|
|
1
|
print df[1:3,1:2]
|
|
1
|
TypeError: unhashable type
|
总结
1）.loc,.iloc,.ix,只加第一个参数如.loc([1,2]),.iloc([2:3]),.ix[2]…则进行的是行选择
2）.loc,.at，选列是只能是列名，不能是position
3）.iloc,.iat，选列是只能是position，不能是列名
4）df[]只能进行行选择，或列选择，不能同时进行列选择，列选择只能是列名。
以上这篇python pandas dataframe 行列选择,切片操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/LY_ysys629/article/details/55224284