python pandas中的索引，选择和过滤

Series

根据位置或者index索引

其中位置和index既可以是单独的一个值，也可以是一个数组。

s1 = pd.Series(np.arange(6), index=list('abcdef'))
s1
>>> a    0
b    1
c    2
d    3
e    4
f    5

# 根据位置索引
s1[[0, 2, 4]] # 等同于s1.iloc[[0, 2, 4]]
>>> a    0
c    2
e    4

# 根据index索引
s1[['a', 'c', 'e']] # 等同于s1.loc[['a', 'c', 'e']]

切片索引

除了位置和index，还可以用切片索引。
需要注意的是，切片索引也分为位置切片和index切片。位置切片不包括尾部，而index切片包含。

• 先给大家看一个不容易混淆的例子：

s1 = pd.Series(np.arange(6), index=list('abcdef'))
s1
a    0
b    1
c    2
d    3
e    4
f    5

# index切片，包含尾部
s1['a':'c']
>>> a    0
b    1
c    2

# 位置切片，不包含尾部
s1[0:2]
>>> a    0
b    1

• 再给大家看一个容易混淆的例子。
  当index的值和位置的值相同时，一定要区分清楚你用的是index还是位置.

s1 = pd.Series(np.arange(6))
s1
>>> 0    0
1    1
2    2
3    3
4    4
5    5

# 当index的值和位置的值相同时，默认位置切片，不包含尾部
s1[0:2]
>>> 0    0
1    1

# index切片，包含尾部
s1.loc[0:2]
>>> 0    0
1    1
2    2

# 位置切片，不包含尾部
s1.iloc[0:2]
>>> 0    0
1    1
2    2

DataFrame

单个值或者数组索引列

df1 = pd.DataFrame(np.arange(12).reshape(4,3), index=list('abcd'), columns=['c1','c2','c3'])
df1
>>>c1	c2	c3
a	0	1	2
b	3	4	5
c	6	7	8
d	9	10	11

df1['c1']
>>> a    0
b    3
c    6
d    9

df1[['c1', 'c2']]
>>> c1	c2
a	0	1
b	3	4
c	6	7
d	9	10

特殊情况下索引行

df1 = pd.DataFrame(np.arange(12).reshape(4,3), index=list('abcd'), columns=['c1','c2','c3'])
df1
>>>c1	c2	c3
a	0	1	2
b	3	4	5
c	6	7	8
d	9	10	11

• 布尔值数组

df1[[True, False, False, True]]
>>> c1	c2	c3
a	0	1	2
d	9	10	11

df1[df1['c2']>6]
>>> c1	c2	c3
c	6	7	8
d	9	10	11

• 切片

 df1[:2]
 >>> c1	c2	c3
a	0	1	2
b	3	4	5

df1[::2]
>>> c1	c2	c3
a	0	1	2
c	6	7	8

iloc和loc

iloc（用于整数）和loc（用于标签）常规使用含义比较明确，这里就不赘述了。和Series一样，需要注意的是，iloc中切片不包括尾部，而index中切片包含。

df1 = pd.DataFrame(np.arange(12).reshape(4,3), index=list('abcd'), columns=['c1','c2','c3'])
df1
>>>c1	c2	c3
a	0	1	2
b	3	4	5
c	6	7	8
d	9	10	11

# iloc中切片不包含尾部
df1.iloc[0:2]
>>> c1	c2	c3
a	0	1	2
b	3	4	5

# loc中切片包含尾部
df1.loc['a':'c']
>>> c1	c2	c3
a	0	1	2
b	3	4	5
c	6	7	8