python中iloc切片_Dataframe选择行列loc,iloc,切片,布尔索引,条件判断等

Dataframe的行标签和列标签其实都是一种索引，每一行也对应位置索引(0到length-1)。Dataframe是dict-like类型，可以通过df[xx]的形式选择单列、多列(传入列表)。Dataframe也是list-list类型，可以通过切片选择数据。基于这些特性，我们可以用直接索引、loc、iloc三个方式来选择数据！

1、直接索引和切片

假设有个二维数据，行索引为A、B、C，列索引为AA、BB、CC，我们按照直接索引或者选取数据，先看一下：

df['A']和df[0] # 都是错误 KeyError

df['BB'] #单列，是Series

df[['BB']] #单列，是DataFrame

df[['BB','CC']] # 两列

df['A':'C'] # 行标签切片，末端包含，返回3行

df[0:2] # 行位置索引切片，末端不包含，返回2行

df[::-1] # 切片，行索引倒过来为CBA

df[[True,False,True]] #选择2行，布尔值是根据行来的

注意事项：df切片是按照行标签或者行的位置索引来的。标签索引切片为末端包含，位置索引切片为末端不包含(切片特性等同于列表)。下面看看代码演示：

df = pd.DataFrame([[1, 2,3], [4, 5,6], [7, 8,9]],

index=['A', 'B', 'C'],

columns=['AA', 'BB','CC'])

print(df['BB'])

print('---------')

print(df[['BB']])

print('---------')

print(df[['BB','CC']])

print('---------')

print(df[0::2])

print('---------')

print(df['A':'C':2])

print('---------')

print(df[::-1])

A 2

B 5

C 8

Name: BB, dtype: int64

---------

BB

A 2

B 5

C 8

---------

BB CC

A 2 3

B 5 6

C 8 9

---------

AA BB CC

A 1 2 3

C 7 8 9

---------

AA BB CC

A 1 2 3

C 7 8 9

---------

AA BB CC

C 7 8 9

B 4 5 6

A 1 2 3

2、loc方式

loc方式比较灵活，可以传入2个"参数"作为条件来分别控制行列选取。

假设有个二维数据，行索引为A、B、C，列索引为AA、BB、CC，loc方式可以有很多花样，先看下

df.loc['A'] # 1行，返回series

df.loc[['A']] # 这是个dataframe，行数是1行

df.loc[['A','B']] # 2行

df.loc['A','AA'] # 标量，单元格的值

df.loc[['A','B'],['AA','CC']] # 2行2列

df.loc['A':'C','AA':'CC'] # 3行3列(切片方式)

df.loc[