pandas—数据选择的常见用法

使用pandas时，经常会对某行、某列、满足条件的数据进行统计计算。
以下总结了pandas数据选择的常见方法，包括loc、iloc等方法的使用。
首先读取数据：

df = pd.read_excel('zpxx.xlsx')

1、元素、索引、列名获取

可以利用DataFrame的基础属性values、index、columns，分别获取元素、索引、列名

print('获取元素：\n', df.values)  # 返回二维列表

print('获取索引：\n', df.index)  # 返回行的索引,可使用list转换为列表格式

print('获取列名：\n', df.columns)  # 返回字段名,可使用list转换为列表格式

2、行的选取

（1）head()和tail()方法

DataFrame提供的head()和tail()方法，可以实现多行数据的获取，从开头或末尾获取连续数据，默认为是前或后5行数据；可以在方法中输入访问行数，实现目标行数的查看。
默认情况下：

print('前5行（默认）数据：\n', df.head())
print('后5行（默认）数据：\n', df.tail())

指定查看行数：

print('指定查看前3行数据：\n', df.head(3))

指定查看某个字段的目标行数：

print('指定查看【关键词】字段的前3行数据：\n', df['关键词'].head(3))

（2）切片方式

格式：df[m:n]，m、n代表指定的行数，左闭右开

print('查看第2-第6行数据：\n', df[1:6])

3、列的选取
（1）以字典访问某一个key的值的方式
选取某一列：df[‘列名’]
选取多列：df[[‘列名1’,’列名2’,’列名3’]]

选取某一列：

print('选取【采集时间】列：\n', df['采集时间'])

选取多列：

print('选取多列：\n', df[['关键词', '采集时间']])

（2）访问属性的方式访问
用法：df.列名
最好不用，字段名与内部固定方法名之间容易引起混乱。

print('选取【采集时间】列：\n', df.采集时间)

4、loc和iloc行列选择
（1）loc用法
语法：df.loc[行索引名称或条件,列索引名称]
loc是针对DataFrame索引名称的切片方式，必须传入的是索引名称，否则不能执行；且行索引不能为空，否则将失去意义。
第一种用法，行列索引同时都有：

print('选取【采集时间】整列数据：\n', df.loc[:, '采集时间'])  # loc用法

print('选取前5行的【采集时间】：\n', df.loc[:4, '采集时间'])  # loc用法

注：如果行索引是一个区间，则前后都为闭区间。上面“:4”代表的是行索引[0:4],都为闭区间。

print('选取第3行的【采集时间】：\n', df.loc[2, '采集时间'])  # loc用法

第二种，只有行标签：
注：如果行索引是一个区间，则前后都为闭区间。

print('选取第一行', df.loc[0])

print('选取第2行，第4行：\n', df.loc[[0, 3]])

print('选取前3行：\n', df.loc[0:2])

第三种，传入条件：

print('选取【学历】是本科的数据：\n', df.loc[df['学历'] == '本科', ['学历', '所在地']])

（2）iloc用法
语法：df.iloc[行索引位置,列索引位置]
iloc与loc不同的是，iloc是基于位置来选取数据。只接受整型数据，如df.iloc[1]、df.iloc[1,2]、df[:4,3]、df[1,[1,2,5]]

print('选取【关键词】字段的前4行数据：\n', df.iloc[:4, 0]) # iloc用法

注：这里的“:4”表示行的位置[0,4）,从0开始，左闭右开；“0”则表示【关键词】字段在第一个位置。
总体来看，loc使用更为灵活，代码可读性更高。

5、ix数据选择

ix方法在使用时既可以接收索引名称，也可以接收索引位置。
语法：df.ix[行索引的名称或位置或条件,列索引名称或位置]
注意：当索引名称和位置存在部分重叠时，ix默认优先识别名称。
ix方法在pandas 1.0.0之后，已经移除，用loc和iloc方法进行替换。

以上就是pandas数据选取的常见用法。

【微信搜索【一位代码】即可关注我】
-end-