pandas中loc、iloc、ix的区别和使用

在利用pandas处理数据时loc、iloc、ix对数据的操作很频繁，所以这里简单的介绍一下它们之间的区别和各自的使用。

pandas的索引可归纳为3种

.loc，标签索引             （location）

.iloc，位置索引            （int-localtion）

.ix，标签与位置混合索引

        对于ix先按标签索引尝试操作，然后再按照位置索引尝试操作

注意

    DataFrame索引时可将其看作ndarray操作

    标签的切片索引是包含末尾位置的

例子：

data = pd.DataFrame({'a':np.random.randint(1,10,size=5),'b':list('abacd')})

   a  b
0  6  a
1  7  b
2  7  a
3  4  c
4  3  d

In [5]: data['a']
Out[5]:
0    6
1    7
2    7
3    4
4    3
Name: a, dtype: int32

可以看出pandas的列是优先索引的。

In [8]: data[0:2]
Out[8]:
   a  b
0  6  a
1  7  b

如果我们直接使用切片来选择，可以看出它是对行的位置索引选择，并且不包含末尾位置。

loc：

In [6]: data.loc[0:2,'a']
Out[6]:
0    6
1    7
2    7

使用loc来标签索引，这里可以看出使用标签索引是包含切片末尾位置的，这是因为它将0:2中的0、1、2都当作了行标签，而不是数字。

iloc：

In [10]: data.iloc[1:3]
Out[10]:
   a  b
1  7  b
2  7  a

刚才我们说了，iloc它是按照位置来索引的，所以1:3是行的位置索引，并且不包含末为位置

如果我们使用loc标签索引来选择不存在的行标签会怎么样？

In [11]: data2 = pd.DataFrame({'x':[5,4,3,2,1],'y':[1,2,3,4,5]},index=list('abcde'))

In [12]: data2
Out[12]:
   x  y
a  5  1
b  4  2
c  3  3
d  2  4
e  1  5

我们使用loc来选择不存在的行标签：

data2.loc[1:3]

TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [1] of <class 'int'>

很明显的报错信息，它找不到1、2、3这三个标签。

同样再使用iloc会如何：

In [13]: data2.iloc[1:3]
Out[13]:
   x  y
b  4  2
c  3  3

可以正确选出结果。

ix：

In [15]: data2.ix[1:3]
Out[15]:
   x  y
b  4  2
c  3  3

ix前面我们说了它是混合索引，并且先按照标签进行索引，这里它没有找到对应标签，于是以位置进行索引，所以不包含末为位置。

In [16]: data2.ix['b':'c']
Out[16]:
   x  y
b  4  2
c  3  3

看，直接我们使用标签索引也能找到对应值，并且标签包含末为位置！

好了以上就是loc、iloc以及ix的简单使用和区别。

利用它们我们还可以在对行选择的同时对列进行选择，达到对数据的筛选目的.。

In [18]: data.loc[1:3,'a']
Out[18]:
1    7
2    7
3    4
Name: a, dtype: int32

df.loc[df['gender'] == 'male', 'label'] = 0

表示增加'label'列，且当df的'gender'为'male'时，其值赋为0。这在数据分析中将某些列转换为数值型的常用处理。