访问和提取DataFrame中的元素

欢迎关注”生信修炼手册”!

访问元素和提取子集是数据框的基本操作，在pandas中，提供了多种方式。对于一个数据框而言，既有从0开始的整数下标索引，也有行列的标签索引

>>> df = pd.DataFrame(np.random.randn(4, 4), index=['r1', 'r2', 'r3', 'r4'], columns=['A', 'B', 'C', 'D'])
>>> df
           A B C D
r1 -0.220018 -0.398571 0.109313 0.186309
r2 -1.416611 0.826713 0.178174 0.117015
r3 -0.640207 -0.105941 -0.139368 -1.159992
r4 -2.254314 -1.228511 -2.080118 -0.212526

利用这两种索引，可以灵活的访问数据框中的元素，具体的操作方式有以下几种

1. 属性运算符

数据框的每一列是一个Series对象，属性操作符的本质是先根据列标签得到对应的Series对象，再根据Series对象的标签来访问其中的元素，用法如下

# 第一步，列标签作为属性，先得到Series对象
>>> s = df.A
>>> s
r1 -0.220018
r2 -1.416611
r3 -0.640207
r4 -2.254314
Name: A, dtype: float64
# 第二步，在根据下标或者标签访问Series对象中的元素
>>> s.r1
-0.22001819046457136
>>> s[0]
-0.22001819046457136

# 属性操作符，一步法简写如下
>>> df.A.r1
-0.22001819046457136

属性操作符，一次只可以返回一个元素，适用于提取单列或者访问具体标量的操作。

2. 索引运算符

这里的索引运算符，有两种操作方式

1. 对列进行操作，用列标签来访问对应的列
   

2. 对行进行切片操作

列标签的用法，支持单个或者多个列标签，用法如下

# 单个列标签
>>> df['A']
r1 -0.220018
r2 -1.416611
r3 -0.640207
r4 -2.254314
Name: A, dtype: float64

# 当然，你可以在列对应的Series对象中再次进行索引操作，访问对应元素
>>> df['A']['r1']
-0.22001819046457136
>>> df['A'][0]
-0.22001819046457136


# 多个列标签
>>> df[['A', 'B']]
           A B
r1 -0.220018 -0.398571
r2 -1.416611 0.826713
r3 -0.640207 -0.105941
r4 -2.254314 -1.228511

对行进行切片的操作，用法如下

>>> df[:2]
           A         B         C         D
r1 -0.220018 -0.398571  0.109313  0.186309
r2 -1.416611  0.826713  0.178174  0.117015

索引操作符，一次只能访问数据框的一个维度，适用于仅操作一个维度的场景。需要注意的是，当对不存在的列标签设值时，并不会报错，会自动进行append操作，示例如下

>>> df['E'] = 5
>>> df
           A B C D E
r1 0.706160 0.097334 0.241069 -0.412934 5
r2 -0.357353 1.053972 0.052277 -1.459352 5
r3 0.341270 0.551733 2.637333 0.494495 5
r4 1.506536 0.635737 1.083644 1.106261 5

另外，索引操作符支持布尔数组，本质是提取True对应的元素，本次示例如下

>>> df = pd.DataFrame(np.random.randn(4, 4), index=['r1', 'r2', 'r3', 'r4'], columns=['A', 'B&#