在剛開(kāi)始使用pandas DataFrame的時(shí)候，對(duì)于數(shù)據(jù)的選取，修改和切片經(jīng)常困惑，這里總結(jié)了一些常用的操作。

pandas主要提供了三種屬性用來(lái)選取行/列數(shù)據(jù)：

先初始化一個(gè)DateFrame做例子

import numpy as np
import pandas as pd
df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])

df是這樣的

In [35]: df
Out[35]: 
   name  gender age
0  Snow   M    22
1  Tyrion  M    32
2  Sansa  F    18
3  Arya   F    14

如果每列都有column name，比如這里是: 

In [42]: df.columns
Out[42]: Index(['name', 'gender', 'age'], dtype='object')

1. df['column_name'] ，df[row_start_index, row_end_index] 選取指定整列數(shù)據(jù)

df['name']
df['gender']
df[['name','gender']] #選取多列，多列名字要放在list里
df[0:] #第0行及之后的行，相當(dāng)于df的全部數(shù)據(jù)，注意冒號(hào)是必須的
df[:2] #第2行之前的數(shù)據(jù)（不含第2行）
df[0:1] #第0行
df[1:3] #第1行到第2行（不含第3行）
df[-1:] #最后一行
df[-3:-1] #倒數(shù)第3行到倒數(shù)第1行（不包含最后1行即倒數(shù)第1行，這里有點(diǎn)煩躁，因?yàn)閺那皵?shù)時(shí)從第0行開(kāi)始，從后數(shù)就是-1行開(kāi)始，畢竟沒(méi)有-0）

2. loc，在知道列名字的情況下，df.loc[index,column] 選取指定行，列的數(shù)據(jù)

loc也提供了五種參數(shù)形式

注意 df.loc[df[‘one']>10]這樣的寫法是可以正常選出one列大于10的數(shù)據(jù)

# df.loc[index, column_name],選取指定行和列的數(shù)據(jù)
df.loc[0,'name'] # 'Snow'
df.loc[0:2, ['name','age']]  #選取第0行到第2行，name列和age列的數(shù)據(jù), 注意這里的行選取是包含下標(biāo)的。
df.loc[[2,3],['name','age']]  #選取指定的第2行和第3行，name和age列的數(shù)據(jù)
df.loc[df['gender']=='M','name']  #選取gender列是M，name列的數(shù)據(jù)
df.loc[df['gender']=='M',['name','age']] #選取gender列是M，name和age列的數(shù)據(jù)

3. iloc，在column name特別長(zhǎng)或者index是時(shí)間序列等各種不方便輸入的情況下，可以用iloc (i = index), iloc完全用數(shù)字來(lái)定位 iloc[row_index, column_index]

iloc提供了五種參數(shù)形式

注意：iloc接受有返回值的函數(shù)作為參數(shù)，但要保證函數(shù)返回的是整數(shù)/整數(shù)list，布爾值/布爾list

如果直接運(yùn)行 df.iloc[df[‘one']>10]

則會(huì)報(bào)錯(cuò) NotImplementedError: iLocation based boolean indexing on an integer type is not available

因?yàn)閐f[‘one'] > 10 返回的是 series類型的數(shù)據(jù)

除此之外，還可以進(jìn)行組合切片

要注意的是，我們用df[參數(shù)]也可以進(jìn)行切片，但這種方式容易引起chained indexing 問(wèn)題。除此之外，**df[lable1][lable2]**的操作是線性的，對(duì)lable2的選取是在df[lable1]的基礎(chǔ)上進(jìn)行，速度相對(duì)較慢。所以在對(duì)數(shù)據(jù)進(jìn)行切片的時(shí)候盡量使用iloc這類的方法

df.iloc[0,0] #第0行第0列的數(shù)據(jù)，'Snow'
df.iloc[1,2] #第1行第2列的數(shù)據(jù)，32
df.iloc[[1,3],0:2] #第1行和第3行，從第0列到第2列（不包含第2列）的數(shù)據(jù)
df.iloc[1:3,[1,2] #第1行到第3行（不包含第3行），第1列和第2列的數(shù)據(jù)

4. ix, ix很強(qiáng)大，loc和iloc的功能都能做到 ix[row_index, column_index]

ix雖然強(qiáng)大，然而已經(jīng)不再被推薦，因?yàn)樵谧钚掳娴膒andas里面，ix已經(jīng)成為deprecated。（https://github.com/pandas-dev/pandas/issues/14218）

大概是因?yàn)榭梢曰旌蟣abel和position導(dǎo)致了很多用戶問(wèn)題和bug。

所以，用label就用loc，用position就用iloc。

df.ix[0,0] #第0行第0列的數(shù)據(jù)，'Snow'
df.ix[0,[1,2]] #第0行，第1列和第2列的數(shù)據(jù)
df.ix[0:2,[1,2]] #第0行到第2行（包含第3行），第1列和第2列的數(shù)據(jù)
df.ix[1,0:2] #第1行，從第0列到第2列（不包含第2列）的數(shù)據(jù)

切片時(shí)，iloc行不含下標(biāo)上限，loc,ix行包含，列iloc和ix都不含列下標(biāo)上限。（設(shè)計(jì)者的缺憾。。。）

 到此這篇關(guān)于pandas DataFrame 數(shù)據(jù)選取，修改，切片的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas  數(shù)據(jù)選取，修改，切片內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論