Pandas之三选择数据

前文介绍了如何查看dataframe数据，现在再来看看怎么样定位和修改pandas的具体数据。

官方推荐选择数据的方法为.at, .iat, .loc, .iloc，这些方法可以指定行列的信息进行数据筛选。具体功能说明如下：

• at：根据标签（label）定位具体元素
• iat：根据位置定位具体元素
• loc：根据标签截取Series、dataframe或具体元素
• iloc：根据位置截取Series、dataframe或具体元素

配合起来可以在dataframe里面使用多种方式选择数据：

1. 按数据列选择数据
2. 使用列表[]方式选择数据
3. 按标签选择数据
4. 按位置选择数据
5. 按条件筛选数据
6. 以新值更新选择的数据

下面我们依然使用前文生成的df对象来演示各种方法

df = pd.DataFrame(np.random.randn(6, 4), 
                  index=dates, 
                  columns=list("ABCD"))

按列选择数据

可以使用df.A方式选择A列数据，该方式等同于df["A"]

也可以通过df[["A","B"]]方式选择多个列

列表[]方式选择数据

该方法是截取dataframe中的某些行

1. 选择所有数据
   

2. 通过索引位置选择某几行，该方法按照左闭右开方式截取数据
   

3. 选择某范围内的几行数据，该方法按照左闭右闭方式截取数据，类似于SQL语法中的between .. and ..
   

注：官方并不推荐使用以上这种方式做数据选择，推荐选择数据的方法为.at, .iat, .loc, .iloc

按标签选择数据

1. 可以根据index值选择某行数据
   

2. 可以根据用index的范围选择多行数据
   

3. 在选择数据时，可以配合列名进一步选择数据
   

4. 通过index和列名定位到某个cell具体的值（前文的方式获取到依然dataframe，而此处获取到的是标量数据），同时支持.loc和.at方式。要注意的是：

   • .at不支持类型隐式转换，而.loc是支持的

   • .at的速度比.loc要快
     

按位置选择数据

通过位置选择数据的时候，既可以选择一行一列、一行多列、多行一列、多行多列也可以选择具体元素，在label不明确的时候，可以通过位置进行选择。最典型的场景就是选择首行、尾行等。

1. 选择第n行数据，只输入一个参数时，默认为行。
   

2. 选择第n行，某几列数据，同时输入行列数据时，使用逗号,间隔。在范围选择时，其按照左闭右开方式截取数据。
   

3. 选择某几行，某列数据
   

4. 选择某几行，某几列数据
   

5. 选择所有行，某些列数据
   

6. 选择具体元素
   

按条件选择数据

在pandas中也可以使用条件进行数据过滤，就像使用where条件一样。

1. 根据某列值进行筛选，如图选择B>1的数据
   

2. 对整个dataframe进行筛选，选择值>0的数据
   

3. 使用isin()做数据筛选，类似sql中的in
   

更新数据

选择完数据之后，可以使用长度相同的数据的进行更新

1. 将2021-09-01的A列数据更新为0
   

2. 将D列使用numpy.array替代，此列是以len(df)个[7]来替代
   

---

欢迎关注微信公众号：数据研发技术，会分享各类数据研发相关的技术