c++没有终结符的多行输入如何停止_如何使用iloc和loc 对Pandas Dataframe进行索引和切片...

在这篇文章中，我们将使用iloc和loc来处理数据。更具体地说，我们将通过iloc和loc例子来学习切片和索引。

一旦我们将一个数据集加载为Pandas dataframe，我们通常希望根据某些条件开始访问该数据的特定部分。例如，如果我们的数据集包含比较不同实验组的实验结果，我们可能需要分别计算每个实验组的描述性统计。

• 更多有关对Pandas dataframes进行分组的内容

• 如何在Python中进行描述性统计

根据某些标准选择数据的特定行和列的过程通常称为切片。

Pandas Dataframe

在我们学习如何使用loc和iloc之前，我们最好先了解一下Pandas dataframe对象是如何工作的。对于本索引和切片教程的特定目的，我们最好知道dataframe中的每个行和列都有一个数字——一个索引。

这种结构是带有数字索引的行和列结构，这意味着我们可以使用行号和列号来处理数据。这在我们准备使用Pandas loc和iloc方法的时候是非常有用的。

• 请参阅博文《使用Pandas和pyjanitor——了解一些简单的Python数据清理方法》。

Data

在下面的iloc和loc例子中，我们将使用两个数据集。这些数据集，在许多其他的RDataset中，可以在这里找到，但是下面的代码将把它们加载到Pandas dataframe中:

如果您有兴趣学习更多有关Pandas数据处理的知识，请查看以下文章：

• 如何将CSV文件读入Pandas

• 如何将Excel文件读入Pandas

• 将SPSS文件读入Pandas 

• 使用Python和Pandas处理JSON文件

loc 和 iloc之间有什么不同?

在继续使用Pandas iloc和Pandas loc之前，我们将回答有关loc和iloc之间的区别的问题。

首先，.loc是一个基于标签的方法，而.iloc是一个基于整数的方法。这意味着当我们对dataframe进行切片时，loc将考虑索引的名称或标签。

Pandas loc 示例链接

例如，如果“case”在一个dataframe(例如，df)的索引中，那么df.loc['case']将导致第三行被选中。注意，在下面的loc和iloc例子中，我们将使用数据集中的第一列作为索引(参见第一个代码块)。

另一方面，Pandas .iloc会根据索引的位置进行切片。与.loc不同，.iloc的行为类似于常规的Python切片。也就是说，我们只需要指定位置索引数字，就会得到我们想要的切片。

例如,