python路径转换为选区_Python,pandas中DataFrame的选取总结

pandas中选取方式有很多种，最常用的是一下几种：直接选取(单维度选取)、iloc();loc();ix()函数选取(区域选区)，at();iat()函数选取(单元格选取)。

通过以上几种方式可以实现：选取某些行、某些列、某区域(同时选择某些行和某些列)、某个单元格，还可以进行条件选区。具体实现方法如下。

首先创建一个DataFrame.

import pandas as pd

import numpy as np

data = {'name': ['Joe', 'Mike', 'Jack', 'Rose', 'David', 'Marry', 'Wansi',

'Sidy', 'Jason', 'Even'],

'age': [25, 32, 18, np.nan, 15, 20, 41, np.nan, 37, 32],

'gender': [1, 0, 1, 1, 0, 1, 0, 0, 1, 0],

'isMarried': ['yes', 'yes', 'no', 'yes', 'no',

'no', 'no', 'yes', 'no', 'no']}

labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']

df = pd.DataFrame(data, index = labels)

print(df)

输出结果为：

name age gender isMarried

a Joe 25.0 1 yes

b Mike 32.0 0 yes

c Jack 18.0 1 no

d Rose NaN 1 yes

e David 15.0 0 no

f Marry 20.0 1 no

g Wansi 41.0 0 no

h Sidy NaN 0 yes

i Jason 37.0 1 no

j Even 32.0 0 no

1. 直接选取

选取行：直接在定义的df后加[ ],然后输入数字索引或者定义的行标签，可以使用切片。

选取列：直接在定义的df后加[ ],然后输入定义的列标签，不能使用切片。

选取行使用切片时应注意，数字索引为左闭右开，自己定义的标签索引为左闭右闭。

#选取行

df[0 : 2]#左闭右开

df[:1]

df['a' : 'c']#左闭右闭

#选取列

df['name']

df[['name', 'age']]#多个列的时候要用两个[]

df[lambda df: df.columns[0]]#选取第一列

注意：直接选取列时不能使用切片

df[['name': 'gender']]#选取列时使用切片会报错

df[['name': 'gender']]

^

SyntaxError: invalid syntax

用直接选取来进行条件选取

#条件选取行

df[[i > 30 for i in df['age']]]

df[df['age'] > 30]

上面两个输出如下

name age gender isMarried

b Mike 32.0 0 yes

g Wansi 41.0 0 no

i Jason 37.0 1 no

j Even 32.0 0 no

当条件有多个时，可以用&，|， ！=等连接多个条件，但是符号前后要加()

#筛选出年龄大于30且未婚的人

df[(df['age'] > 30) & (df['isMarried'] == 'no')]#多个条件，每个条件要用()括起来

输出结果为：

name age gender isMarried

g Wansi 41.0 0 no

i Jason 37.0 1 no

j Even 32.0 0 no

2.loc()、 iloc()、ix()选取区域

这三个的功能相同，都能同时选取行和列，从而选取某个区域或者某(些)行或列。但是其用法不同。区别如下：

loc[],只能用标签选取，前闭后闭

iloc[],只能用整数选取，前闭后开

ix[], 可以使用标签和整数。不管用哪个索引，均为左闭右闭。

另外， 三种方法都可以时用切片，也可以进行条件选取。

loc()的用法举例

#.loc[],只能用标签选取，前闭后闭

#选取行

df.loc['a', :]

df.loc['a']#默认所有列

df.loc['a':'c', :]#使用切片时不用加[ ]

df.loc[['a', 'c'], ['name', 'age']]#选择某个区域,选择多个单独的行时，要加[ ]，相当于创建一个所选行或列的列表

df.loc[df['age'] > 30, : ]#条件选取

#选择列

df.loc[:, 'name']

df.loc[:, 'name' : 'isMarried']#使用切片时不用加[ ]

df.loc[:, ['name', 'isMarried']]#选择多个单独的列时，要加[ ]

df.loc[df['age'] > 30, ['name', 'age']]#条件选取

#输出行名为‘Mike’或‘Marry’的姓名和年龄

df.loc[(df['name'] == 'Mike') | (df['name'] == 'Marry'), ['name', 'age']]

输出为：

name age

b Mike 32.0

f Marry 20.0

iloc()用法举例

#iloc[],只能用整数选取，前闭后开

#选取行

df.iloc[0, :]

df.iloc[0]#默认所有列

df.iloc[0 : 3, :]#使用切片时不用加[ ]

df.iloc[[0, 3], :]##选择某个区域,选择多个单独的行时，要加[ ]

#df.iloc[df.iloc[0] > 30, :]不可行

#选取列

df.iloc[:, 0]

df.iloc[:, 0 : 3]#不包含第四列

df.iloc[:, [0, 3]]#第一列和第四列

#同时选取行和列(选取区域)

df.iloc[1, [0, 2, 3]]

df.iloc[: 3, : 3]

ix()方法

其用法与loc()和iloc()用法相同

不管使用标签还是数字索引，选择区间都为左闭右闭(下面的举例可以看出)。

#ix[], 可以使用标签和整数

>>>df.ix[2, 'name']#第1行，name列(相当于选择了单个单元格)

Out[15]: 'Jack'

>>>df.ix[['a', 'c'], [0, 3, 1]]#选择了若干个单元格

Out[16]:

name isMarried age

a Joe yes 25.0

c Jack no 18.0

>>>df.ix[2: 5]#选取某些行，左闭右闭

Out[19]:

name age gender isMarried

c Jack 18.0 1 no

d Rose NaN 1 yes

e David 15.0 0 no

>>>df.ix[:, 'name': 'gender']#选取某些列，左闭右闭

Out[20]:

name age gender

a Joe 25.0 1

b Mike 32.0 0

c Jack 18.0 1

d Rose NaN 1

e David 15.0 0

f Marry 20.0 1

g Wansi 41.0 0

h Sidy NaN 0

i Jason 37.0 1

j Even 32.0 0

>>>df.ix[2: 5, 'name': 'gender']#选取一块区域，左闭右闭

Out[18]:

name age gender

c Jack 18.0 1

d Rose NaN 1

e David 15.0 0

>>>df.ix[df['isMarried'] == 'no', ['name', 'age']]#选择符合未婚条件的某区域

Out[17]:

name age

c Jack 18.0

e David 15.0

f Marry 20.0

g Wansi 41.0

i Jason 37.0

j Even 32.0

3. at[ ]、iat[ ]选取单元格

#.at[]，只能用标签索引

df.at['a', 'name']

Out[21]: 'Joe'

#.iat[]，只能用整数索引

df.iat[1, 0]

Out[22]: 'Mike'