我们对 dataframe 进行选择，大抵从这三个层次考虑：行列、区域、单元格。
其对应使用的方法如下：
一. 行，列 --> df[]
二. 区域 --> df.loc[], df.iloc[], df.ix[]
三. 单元格 --> df.at[], df.iat[]
下面开始练习：
|
1
2
3
4
|
import numpy as np
import pandas as pd
df = pd.dataframe(np.random.randn(6,4), index=list('abcdef'), columns=list('abcd'))
|
1. df[]:
一维
行维度：
整数切片、标签切片、<布尔数组>
列维度：
标签索引、标签列表、callable
|
1
2
3
4
5
6
|
df[:3]
df['a':'c']
df[[true,true,true,false,false,false]] # 前三行（布尔数组长度等于行数）
df[df['a']>0] # a列值大于0的行
df[(df['a']>0) | (df['b']>0)] # a列值大于0，或者b列大于0的行
df[(df['a']>0) & (df['c']>0)] # a列值大于0，并且c列大于0的行
|
|
1
2
3
|
df['a']
df[['a','b']]
df[lambda df: df.columns[0]] # callable
|
2. df.loc[]
二维，先行后列
行维度：
标签索引、标签切片、标签列表、<布尔数组>、callable
列维度：
标签索引、标签切片、标签列表、<布尔数组>、callable
|
1
2
3
4
5
6
7
8
|
df.loc['a', :]
df.loc['a':'d', :]
df.loc[['a','b','c'], :]
df.loc[[true,true,true,false,false,false], :] # 前三行（布尔数组长度等于行数）
df.loc[df['a']>0, :]
df.loc[df.loc[:,'a']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[lambda _df: _df.a > 0, :]
|
|
1
2
3
4
5
6
7
|
df.loc[:, 'a']
df.loc[:, 'a':'c']
df.loc[:, ['a','b','c']]
df.loc[:, [true,true,true,false]] # 前三列（布尔数组长度等于行数）
df.loc[:, df.loc['a']>0] # a行大于0的列
df.loc[:, df.iloc[0]>0] # 0行大于0的列
df.loc[:, lambda _df: ['a', 'b']]
|
|
1
|
df.a.loc[lambda s: s > 0]
|
3. df.iloc[]
二维，先行后列
行维度：
整数索引、整数切片、整数列表、<布尔数组>
列维度：
整数索引、整数切片、整数列表、<布尔数组>、callable
|
1
2
3
4
5
6
7
8
|
df.iloc[3, :]
df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[true,true,true,false,false,false], :] # 前三行（布尔数组长度等于行数）
df.iloc[df['a']>0, :] #× 为什么不行呢？想不通！
df.iloc[df.loc[:,'a']>0, :] #×
df.iloc[df.iloc[:,0]>0, :] #×
df.iloc[lambda _df: [0, 1], :]
|
|
1
2
3
4
5
6
7
|
df.iloc[:, 1]
df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [true,true,true,false]] # 前三列（布尔数组长度等于行数）
df.iloc[:, df.loc['a']>0] #×
df.iloc[:, df.iloc[0]>0] #×
df.iloc[:, lambda _df: [0, 1]]
|
4. df.ix[]
二维，先行后列
行维度：
整数索引、整数切片、整数列表、
标签索引、标签切片、标签列表、
<布尔数组>、
callable
列维度：
整数索引、整数切片、整数列表、
标签索引、标签切片、标签列表、
<布尔数组>、
callable
|
1
2
3
4
5
6
7
|
df.ix[0, :]
df.ix[0:3, :]
df.ix[[0,1,2], :]
df.ix['a', :]
df.ix['a':'d', :]
df.ix[['a','b','c'], :]
|
|
1
2
3
4
5
6
7
|
df.ix[:, 0]
df.ix[:, 0:3]
df.ix[:, [0,1,2]]
df.ix[:, 'a']
df.ix[:, 'a':'c']
df.ix[:, ['a','b','c']]
|
5. df.at[]
精确定位单元格
行维度：
标签索引
列维度：
标签索引
|
1
|
df.at['a', 'a']
|
6. df.iat[]
精确定位单元格
行维度：
整数索引
列维度：
整数索引
|
1
|
df.iat[0, 0]
|
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://www.cnblogs.com/hhh5460/p/5595616.html