DataFrame的2种访问

标签访问：在 Pandas 中，df['column_name'] 是一种非常常见的数据访问方式，用于从 DataFrame 中选择特定的列。这里的 df 代表一个 DataFrame 对象，而 column_name 是你想要访问的列的名称。以下是详细解释：

1. 基本访问

当你使用 df['column_name'] 时，你实际上是在请求 DataFrame 中名为 column_name 的列。这将返回一个 Series 对象，其中包含了该列的所有数据。

2. 返回类型

• 返回的 Series 对象保留了原始 DataFrame 的索引。这意味着你可以继续使用这些索引来引用或操作数据。

3. 使用场景

• 数据查看：快速查看某一列的数据。
• 数据操作：对某一列进行操作，如计算统计数据、应用函数等。
• 数据筛选：作为筛选数据的第一步，例如 df[df['column_name'] > 10] 可以选出 column_name 列中值大于 10 的所有行。

4. 示例代码

假设你有一个 DataFrame，如下所示：

import pandas as pd

# 创建 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 通过标签访问 'Age' 列
age_series = df['Age']
print(age_series)

输出将是：

0    25
1    30
2    35
Name: Age, dtype: int64

5. 注意事项

• 确保列名正确无误，否则会抛出 KeyError。
• 这种方法只适用于列名是字符串的情况。如果列名是数字或特殊字符，你可能需要使用 df.iloc[] 或 df.loc[]。

6. 链式索引

你还可以通过链式索引来进一步筛选数据。例如，如果你想要获取名字为 'Alice' 的人的年龄，可以这样做：

alice_age = df[df['Name'] == 'Alice']['Age']
print(alice_age)

这将输出：

0    25
Name: Age, dtype: int64

通过标签访问是 Pandas 中非常强大且灵活的数据操作方式，使得数据选择和操作变得直观和高效。

位置访问：在 Pandas 中，iloc 是一种基于整数位置的索引方法，用于通过行号和列号来选择数据。这种方式不依赖于行标签或列标签，而是直接通过它们的位置来进行索引。以下是对您提供的两个 iloc 使用示例的解释：

1. df.iloc[0] - 访问第一行

• iloc[0] 用于选择 DataFrame 的第一行数据。
• 这里的 [0] 表示选择索引为 0 的行，即 DataFrame 的第一行。
• 返回的结果是一个 Series 对象，包含了第一行的所有列的数据。
• 这种方法不考虑行的实际标签是什么，只根据行的位置来选择。

示例代码：

import pandas as pd

# 创建 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

# 通过位置访问第一行
first_row = df.iloc[0]
print(first_row)

输出将是：

Name     Alice
Age        25
City    New York
Name: 0, dtype: object

2. df.iloc[:, 0] - 访问第一列

• iloc[:, 0] 用于选择 DataFrame 的第一列数据。
• 这里的 : 表示选择所有行，0 表示选择索引为 0 的列，即 DataFrame 的第一列。
• 返回的结果是一个 Series 对象，包含了所有行的第一列的数据。
• 这种方法同样不考虑列的实际标签是什么，只根据列的位置来选择。

示例代码：

# 继续使用上面的 df

# 通过位置访问第一列
first_column = df.iloc[:, 0]
print(first_column)

输出将是：

0     Alice
1       Bob
2    Charlie
Name: Name, dtype: object

注意事项

• iloc 索引是基于 0 的，即第一行或第一列的索引是 0。
• 如果你尝试访问超出 DataFrame 大小的位置，Pandas 会抛出一个错误。
• iloc 可以用于更复杂的索引操作，例如 df.iloc[0:2, 0:2] 可以访问前两行和前两列的数据。

iloc 是 Pandas 中非常强大的工具，它允许你以编程方式精确控制数据的选择，非常适合在不知道具体标签的情况下进行数据操作。