DataFrame的元素选择与赋值

选择

1. 根据列名选择

>>> df['A']

选择df中名称为'A'的列，该操作产生一个Series，等同于df.A。

2. 根据行号选择

>>> df[0 : 3]

选择df中第0到第2行，该操作产生一个DataFrame。

3. 根据索引选择

>>> df['20130102' : '20130104']

选择索引为'20130102'、'20130103'、'20130104'的行，这些索引对应的类型是DatetimeIndex。

4. 根据索引、列名共同选择

• 一个索引的情况

>>> df.loc[index]
>>> df.loc[index, 'A']
>>> df.at[index, 'A']  # 比df.loc[index, 'A']更快
>>> df.loc[index, ['A', 'B']]

• 多个索引的情况

>>> df.loc[index1 : index2]  # index1和index2的类型要与df的索引类型一致。
>>> df.loc[index1 : index2, 'A']
>>> df.loc[index1 : index2, ['A'，'B']]

5. 根据位置选择

• 选择某一行

>>> df.iloc[1]  # 选择第1行，注：df从第0行开始编号

• 选择某一列

>>> df.iloc[:, 1]  # 选择第1列，注：df从第0列开始编号

• 选择某行、某列的那个元素

>>> df.iloc[1, 1]  # 选择第1行第1列的那个元素
>>> df.iat[1, 1]   # 同上，但速度更快

• 选择某些行、某些列

>>> df.iloc[3:5, 0:2]
>>> df.iloc[[1,2,4], [0, 2]]
>>> df.iloc[1:3, :]
>>> df.iloc[:, 1:3]

6. 根据条件选择

>>> df[df.A > 0]  # 返回df中'A'列大于0的行
>>> df[df > 0]  # 返回一个与df相同大小的df2，保留原df中大于0的元素，并将原df中小于等于0的元素置为NaN

赋值

>>> df['A'] = s1  # s1是一个Series
>>> df.at[index, ‘A’] = 0
>>> df.iat[0, 1] = 0
>>> df.loc[:, 'A'] = np.array([5] * len(df))
>>> df[df > 0] = df2  # 将df中大于0的元素置为df2中对应的元素