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 npimport pandas as pddf = 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
