DataFrame的切片与索引详解

Pandas DataFrame的切片与索引详解

以下面的数据为例子

import pandas as pd
import numpy  as np
data=pd.DataFrame({
    "A":np.random.randint(5,50,5),
    "B":np.random.randint(15,50,5),
    "C":list(range(5)),
    "D":"x"})

1 单独取行

1.1 只取某一行

data.iloc[0]  # pandas series` 也可加上",:" 
data.iloc[[0]] # dataframe`   也可加上",:" 即：data.iloc[[0],:]

1.2 取连续某几行

data[1:3] # dataframe         也可加上",:"
data.iloc[1:3] # dataframe    也可加上",:"

1.3 不连续的几行

data.iloc[[1,3]]  # dataframe   也可加上",:"

1.4 布尔索引

data[data.C>2]   # dataframe

1.5 匿名函数

data.iloc[lambda data:list(range(0,4,2))]  # dataframe，隔一行取一个
								# 也可加上",:"data.iloc[lambda data:list(range(0,4,2)),:] 

2 单独取列

2.1 只取一列

data['A']       # 单独一列是个series
data.A        # 单独一列是个series
data.loc[:,'A'] # 同上
data.iloc[:,0] # 同上，无需列名

data[['A']]       #单独一列是个dataframe
data.loc[:,['A']] # 同上
data.iloc[:,[0]] # 同上，无需列名

2.2 取某几列

data[['A','C']]       # 指定某几列，直接用列名，结果为dataframe,
data.loc[:,['A','C']] #  同上
data.iloc[:,[0,2]]   # 同上，无需列名

2.3 取连续几列

data.loc[:,'A':'C']  #用列名 
data.iloc[:,0:3]     #用数字

3 既取行又取列

3.1利用df.iloc

data.iloc[[1,3],[0]]  # dataframe
data.iloc[[1,3],0]    # series
data.iloc[[1,3],1:3]  # dataframe
data.iloc[[1,3],[1,3]] # dataframe

3.2利用df.loc

data.loc[1,["A","D"]]     # series 
data.loc[[1],["A","D"]]   # dataframe
data.loc[[1,3],"A":"D"]   # dataframe
data.loc[[1,3],["A","D"]]  # dataframe`