在剛學(xué)Pandas時(shí)，行選擇和列選擇非常容易混淆，在這里進(jìn)行一下討論和歸納

本文的數(shù)據(jù)來(lái)源：https://github.com/fivethirtyeight/data/tree/master/fandango

import pandas as pd

fandango = pd.read_csv('fandango_score_comparison.csv')

原始的數(shù)據(jù)如下（截取了一部分）

 行選擇

Pandas進(jìn)行行選擇一般有三種方法：

• 連續(xù)多行的選擇用類似于python的列表切片
• 按照指定的索引選擇一行或多行，使用loc[]方法
• 按照指定的位置選擇一行多多行，使用iloc[]方法

第一種，使用類似于python的列表切片

n = fandango[1:3]

從結(jié)果可以看到，和python的列表切片一樣，索引號(hào)從0開(kāi)始，選擇了索引號(hào)1和2的數(shù)據(jù)（不包括3）

 第二種，按照指定的索引選擇一行或多行，使用loc[]方法

o = fandango.loc[1]

p = fandango.loc[1:3]

可以看到，o是一個(gè)Series，選擇了索引號(hào)為1的那一行數(shù)據(jù)，注意p，它與第一種的列表索引最大的不同是包含了索引號(hào)為3的那一行數(shù)據(jù)

u = fandango.loc[[1,3]]

這里按照索引號(hào)選擇不連續(xù)的行

第三種，按照指定的位置選擇一行多多行，使用iloc[]方法

在上面的數(shù)據(jù)中，使用iloc[]和loc[]的效果是一樣的，因?yàn)樗饕?hào)都是從0開(kāi)始并且連續(xù)不斷，現(xiàn)在我要?jiǎng)h除索引號(hào)為1和2的這兩行

fandango_drop = fandango.drop([1,2], axis=0)

可以看到的確刪除了兩行數(shù)據(jù)

此時(shí)我仍然用loc[]來(lái)索引行號(hào)為2的那一行，就會(huì)出錯(cuò)

s = fandango_drop.loc[2]

但是，我使用iloc[]來(lái)進(jìn)行一次

t = fandango_drop.iloc[2]

看到了吧，iloc[2]的意思是選擇第三行的數(shù)據(jù)，也就是索引號(hào)為4的那一行數(shù)據(jù)，因?yàn)閕loc[]的計(jì)算也是從0開(kāi)始的，所以iloc[]適用于數(shù)據(jù)進(jìn)行了篩選后造成索引號(hào)與原來(lái)不一致的情況

loc[]與iloc[]方法之間還有一個(gè)巨大的差別，那就是loc[]里的參數(shù)是對(duì)應(yīng)的索引值即可，所以參數(shù)可以是整數(shù)，也可以是字符串。而iloc[]里的參數(shù)表示的是第幾行的數(shù)據(jù)，所以只能是整數(shù)

 列選擇

列選擇比較簡(jiǎn)單，只要直接把列名傳遞過(guò)去即可，如果有多列的數(shù)據(jù)，要單獨(dú)指出列名或列的索引號(hào)

第一種，選擇單列，選擇了電影名稱那一列

q = fandango['FILM']

第二種，通過(guò)指定列名選擇多列

r = fandango[['FILM','Metacritic']]

第三種，非常容易讓人混淆的，通過(guò)列的索引號(hào)選擇多列

v = fandango[[0,1,2]]

其實(shí)，列也是有一個(gè)索引號(hào)的，看到這里不禁想問(wèn)，那我要選擇前5列呢？我不想寫一個(gè)長(zhǎng)列表，又不想逐個(gè)寫出這5列的名稱，能否用切片呢？

x = fandango[[0:5]]

事實(shí)證明，這是不行的，更好的方法是在參數(shù)中構(gòu)建一個(gè)列表

w = fandango[list(range(5))]

更多的參考資料：http://pandas.pydata.org/pandas-docs/version/0.17.0/api.html

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。