如何获取数据子集

在pandas模块中实现数据框子集的获取可以使用iloc、loc和ix三种‘方法’。语法可表示[row_select,cols_select]。

• iloc只能通过行号和列号进行数据的筛选
• loc可以指定具体的行标签（或条件表达式）和列标签（字段名只能通过行号和列号进行数据的筛选）

• ix是iloc和loc的混合，其吸收了iloc和loc的优点，使数据框子集的获取更加灵活（会报错'DataFrame' object has no attribute 'ix'）

行

# 数据子集的获取
# 构造数据集
df1 = pd.DataFrame({'name':['张三','李四','王二','丁一','李五'], 
                    'gender':['男','女','女','女','男'], 
                    'age':[23,26,22,25,27]}, columns = ['name','gender','age'])
df1
# 取出数据集的中间三行(即所有女性)，并且返回姓名和年龄两列
df1.iloc[1:4,[0,2]]     
df1.loc[1:3, ['name','age']]

out：
  name  age
1   李四   26
2   王二   22
3   丁一   25

iloc运用索引思想，切片索引不取上限，所以要用1:4，姓名和年龄两列也必须用数值索引；

loc是指获取行或列的标签（名称），需要写入具体的变量名称；

# 使用筛选条件，取出所有男性的姓名和年龄
# df1.iloc[df1.gender == '男',]
df1.loc[df1.gender == '男',['name','age']]

out：
  name  age
0   张三   23
4   李五   27

基于条件的记录筛选，使用loc方法。