Python之DataFrame切片与索引实验

原文链接：https://zhuanlan.zhihu.com/p/84885215

创建2个DataFrame，一个没有行列命名，一个有行列名。来进行常规切片、loc/iloc索引、布尔索引的对比试验。

1.使用Numpy和pandas创建两个DataFrame

之前别忘了导入Numpy和pandas库。

df1 = pd.DataFrame(np.random.randn(5, 5))
#创建一个DataFrame，但不给行和列命名

df2 = pd.DataFrame(np.arange(20).reshape(4, 5), index=list('ABCD'), columns=list('OPQRS'))
#创建一个DataFrame并给行和列命名

打印出来看下效果：

df1：行和列没有命名

df2：行和列有命名

2.使用[]和数字

df1[2]

df1[2]

df2[2]

df2[2]

可以看到df1[2]获取的是第3列的数据，df2[2]却报错了。说明[]+数字获取的是列值，但遇到有列名的情况就会报错。

3.使用[]和列表

df1[[0, 2]]

df1[[0, 2]]

df2[[0, 2]]

df2[[0, 2]]

df1[[0, 2]]获取的是第1和第3列的数据，df2[[0, 2]]报错。说明[]+列表是通过列名获取多列值。

3.使用[]和:

df1[1:4]

df1[1:4]

df2[1:4]

df2[1:4]

df1和df2都可以获取。而且获取的数据都是第2，3，4行的数据。说明[]+：是通过列位置获取数据。

4.使用loc

#df.loc 通过标签索引行或列数据

df1.loc[[0, 1], :]

df1.loc[[0, 1], :]

df2.loc[['A', 'C'], :]

df2.loc[['A', 'C'], :]

loc的[]包含的是行或者列的标签名，通过：隔开，可选择多行多列。

loc只针对已经命名行列的DataFrame有效，通过位置切片需要用到iloc。

5.使用iloc

#df.iloc通过位置获取行数据 iloc --> index location

df1.iloc[[0, 1], [1, 2]]

df1.iloc[[0, 1], [1, 2]]

df2.iloc[[0, 1], [1, 2]]

df2.iloc[[0, 1], [1, 2]]

iloc通过位置来获取数据，通过：隔开，可选择多行多列。

5.使用布尔索引

从df1中获取介于-0.9和0.9之间的数

df1[df1.abs() < 0.9]

df1[df1.abs() < 0.9]

获取df2中的奇数

df2[df2 % 2 == 1]

df2[df2 % 2 == 1]