阅读目录
- 1 引言
- 2 行（列）选取：df[]
- 3 区域选取
- 3.1 df.loc[]
- 3.2 df.iloc[]
- 3.3 df.ix[]
- 4 单元格选取
- 4.1 df.at[]
- 4.2 df.iat[]
- 5 拓展与总结
1 引言
Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。
Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。
在Dataframe中选取数据大抵包括3中情况：
1）行（列）选取（单维度选取）：df[]。这种情况一次只能选取行或者列，即一次选取中，只能为行或者列设置筛选条件（只能为一个维度设置筛选条件）。
2）区域选取（多维选取）：df.loc[]，df.iloc[]，df.ix[]。这种方式可以同时为多个维度设置筛选条件。
3）单元格选取（点选取）：df.at[]，df.iat[]。准确定位一个单元格。
接下来，我们以下面的数据为例，分别通过实例介绍这三种情况。
>>> import pandas as pd
>>> import numpy as np
>>> data = {'name': ['Joe', 'Mike', 'Jack', 'Rose', 'David', 'Marry', 'Wansi', 'Sidy', 'Jason', 'Even'],
'age': [25, 32, 18, np.nan, 15, 20, 41, np.nan, 37, 32],
'gender': [1, 0, 1, 1, 0, 1, 0, 0, 1, 0],
'isMarried': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']}
>>> labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
>>> df = pd.DataFrame(data, index=labels)
>>> df
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
d Rose NaN 1 yes
e David 15.0 0 no
f Marry 20.0 1 no
g Wansi 41.0 0 no
h Sidy NaN 0 yes
i Jason 37.0 1 no
j Even 32.0 0 no
2 行（列）选取：df[]
行（列）选取是在单一维度上进行数据的选取，即以行为单位进行选取或者以列为单位进行选取。Dataframe对象的行有索引（index），默认情况下是[0,1,2，……]的整数序列，也可以自定义添加另外的索引，例如上面的labels，（为区分默认索引和自定义的索引，在本文中将默认索引称为整数索引，自定义索引称为标签索引）。Dataframe对象的每一列都有列名，可以通过列名实现对列的选取。
1）选取行
选取行的方式包括三种：整数索引切片、标签索引切片和布尔数组。
a）整数索引切片：前闭后开
- 选取第一行：
>>> df[0:1]
name age gender isMarried
a Joe 25.0 1 yes
- 选取前两行：
>>> df[0:2]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
b）标签索引切片：前闭后闭
- 选取第一行：
>>> df[:'a']
name age gender isMarried
a Joe 25.0 1 yes
- 选取前两行：
>>> df['a':'b']
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
注意：整数索引切片是前闭后开，标签索引切片是前闭后闭，这点尤其要注意。
c）布尔数组
- 选取前三行
>>> df[[True,True,True,False,False,False,False,False,False,False]]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
- 选取所有age大于30的行
>>> df[[each>30 for each in df['age']]]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
通过布尔数组的方式，又可以衍生出下面的选取方式：
- 选取所有age大于30的行
>>> df[df['age']>30]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
- 选取出所有age大于30，且isMarried为no的行
>>> df[(df['age']>30) & (df['isMarried']=='no')]
name age gender isMarried
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
- 选取出所有age为20或32的行
>>> df[(df['age']==20) | (df['age']==32)]
name age gender isMarried
b Mike 32.0 0 yes
f Marry 20.0 1 no
j Even 32.0 0 no
注意：像上面这种通过多个布尔条件判断的情况，多个条件最好（一定）用括号括起来，否则非常容易出错。
2）列选取
列选取方式也有三种：标签索引、标签列表、Callable对象
a）标签索引：选取单个列
- 选取name列所有数据
>>> df['name']
a Joe
b Mike
c Jack
d Rose
e David
f Marry
g Wansi
h Sidy
i Jason
j Even
Name: name, dtype: object
b）标签列表：选取多个列
- 选取name和age两列数据
>>> df[['name','age']]
name age
a Joe 25.0
b Mike 32.0
c Jack 18.0
d Rose NaN
e David 15.0
f Marry 20.0
g Wansi 41.0
h Sidy NaN
i Jason 37.0
j Even 32.0
c）callable对象
- 选取第一列
>>> df[lambda df: df.columns[0]]
a Joe
b Mike
c Jack
d Rose
e David
f Marry
g Wansi
h Sidy
i Jason
j Even
Name: name, dtype: object
3 区域选取
区域选取可以从多个维度（行和列）对数据进行筛选，可以通过df.loc[]，df.iloc[]，df.ix[]三种方法实现。采用df.loc[]，df.iloc[]，df.ix[]这三种方法进行数据选取时，方括号内必须有两个参数，第一个参数是对行的筛选条件，第二个参数是对列的筛选条件，两个参数用逗号隔开。df.loc[]，df.iloc[]，df.ix[]的区别如下：
df.loc[]只能使用标签索引，不能使用整数索引，通过便签索引切边进行筛选时，前闭后闭。
df.iloc[]只能使用整数索引，不能使用标签索引，通过整数索引切边进行筛选时，前闭后开。；
df.ix[]既可以使用标签索引，也可以使用整数索引。
下面分别通过实例演示这三种方法。
3.1 df.loc[]
1）对行进行选取
- 选取索引为‘a’的行：
>>> df.loc['a', :]
name Joe
age 25
gender 1
isMarried yes
Name: a, dtype: object
- 选取索引为‘a’或‘b’或‘c’的行
>>> df.loc[['a','b','c'], :]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
- 选取从‘a’到‘d’的所有行（包括‘d’行）
>>> df.loc['a':'d', :]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
d Rose NaN 1 yes
- 用布尔数组选取前3行
>>> df.loc[[True,True,True,False,False,False], :]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
- 选取所有age大于30的行
>>> df.loc[df['age']>30,:]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
也可以使用下面两方法：
>>> df.loc[df.loc[:,'age']>30, :]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
>>> df.loc[df.iloc[:,1]>30, :]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
- 用callable对象选取age大于30的所有行
>>> df.loc[lambda df:df['age'] > 30, :]
name age gender isMarried
b Mike 32.0 0 yes
g Wansi 41.0 0 no
i Jason 37.0 1 no
j Even 32.0 0 no
2）对列选取
- 输出所有人的姓名（选取name列）
>>> df.loc[:, 'name']
a Joe
b Mike
c Jack
d Rose
e David
f Marry
g Wansi
h Sidy
i Jason
j Even
Name: name, dtype: object
- 输出所有人的姓名和年龄（选取name和age列）
>>> df.loc[:, 'name':'age']
name age
a Joe 25.0
b Mike 32.0
c Jack 18.0
d Rose NaN
e David 15.0
f Marry 20.0
g Wansi 41.0
h Sidy NaN
i Jason 37.0
j Even 32.0
- 输出所有人的姓名、年龄、婚否（选取name、age、isMarried列）
>>> df.loc[:, ['name','age','isMarried']]
name age isMarried
a Joe 25.0 yes
b Mike 32.0 yes
c Jack 18.0 no
d Rose NaN yes
e David 15.0 no
f Marry 20.0 no
g Wansi 41.0 no
h Sidy NaN yes
i Jason 37.0 no
j Even 32.0 no
- 用布尔数组的方式选取前3列
>>> df.loc[:, [True,True,True,False]]
name age gender
a Joe 25.0 1
b Mike 32.0 0
c Jack 18.0 1
d Rose NaN 1
e David 15.0 0
f Marry 20.0 1
g Wansi 41.0 0
h Sidy NaN 0
i Jason 37.0 1
j Even 32.0 0
3）同时对行和列进行筛选
- 输出年龄大于30的人的姓名和年龄
>>> df.loc[df['age']>30,['name','age']]
name age
b Mike 32.0
g Wansi 41.0
i Jason 37.0
j Even 32.0
- 输出行名为‘Mike’或‘Marry’的姓名和年龄
>>> df.loc[(df['name']=='Mike') |(df['name']=='Marry'),['name','age']]
name age
b Mike 32.0
f Marry 20.0
3.2 df.iloc[]
1）行选取
- 选取第2行
>>> df.iloc[1, :]
name Mike
age 32
gender 0
isMarried yes
Name: b, dtype: object
- 选取前3行
>>> df.iloc[:3, :]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
- 选取第2行、第4行、第6行
>>> df.iloc[[1,3,5],:]
name age gender isMarried
b Mike 32.0 0 yes
d Rose NaN 1 yes
f Marry 20.0 1 no
- 通过布尔数组选取前3行
>>> df.iloc[[True,True,True,False,False,False], :]
name age gender isMarried
a Joe 25.0 1 yes
b Mike 32.0 0 yes
c Jack 18.0 1 no
2）列选取
- 选取第2列
>>> df.iloc[:, 1]
a 25.0
b 32.0
c 18.0
d NaN
e 15.0
f 20.0
g 41.0
h NaN
i 37.0
j 32.0
Name: age, dtype: float64
- 选取前3列
>>> df.iloc[:, 0:3]
name age gender
a Joe 25.0 1
b Mike 32.0 0
c Jack 18.0 1
d Rose NaN 1
e David 15.0 0
f Marry 20.0 1
g Wansi 41.0 0
h Sidy NaN 0
i Jason 37.0 1
j Even 32.0 0
l 选取第1列、第3列、第4列
- 选取第1列、第3列和第4列
>>> df.iloc[:, [0,2,3]]
name gender isMarried
a Joe 1 yes
b Mike 0 yes
c Jack 1 no
d Rose 1 yes
e David 0 no
f Marry 1 no
g Wansi 0 no
h Sidy 0 yes
i Jason 1 no
j Even 0 no
- 通过布尔数组选取前3列
>>> df.iloc[:,[True,True,True,False]]
name age gender
a Joe 25.0 1
b Mike 32.0 0
c Jack 18.0 1
d Rose NaN 1
e David 15.0 0
f Marry 20.0 1
g Wansi 41.0 0
h Sidy NaN 0
i Jason 37.0 1
j Even 32.0 0
3）同时选取行和列
- 选取第2行的第1列、第3列、第4列
>>> df.iloc[1, [0,2,3]]
name Mike
gender 0
isMarried yes
Name: b, dtype: object
- 选取前3行的前3列
>>> df.iloc[:3, :3]
name age gender
a Joe 25.0 1
b Mike 32.0 0
c Jack 18.0 1
3.3 df.ix[]
df.ix[]既可以通过整数索引进行数据选取，也可以通过标签索引进行数据选取，换句话说，df.ix[]是df.loc[]和df.iloc[]的功能集合，且在同义词选取中，可以同时使用整数索引和标签索引。
- 选取第3行的name数据
>>> df.ix[2,'name']
'Jack'
- 选取a行、c行的第1列，第2列和第4列数据
>>> df.ix[['a','c'], [0,1,3]]
name age isMarried
a Joe 25.0 yes
c Jack 18.0 no
- 选取所有未婚者的姓名和年龄
>>> df.ix[df['isMarried']=='no',['name','age']]
name age
c Jack 18.0
e David 15.0
f Marry 20.0
g Wansi 41.0
i Jason 37.0
j Even 32.0
4 单元格选取
单元格选取包括df.at[]和df.iat[]两种方法。df.at[]和df.iat[]使用时必须输入两个参数，即行索引和列索引，其中df.at[]只能使用标签索引，df.iat[]只能使用整数索引。df.at[]和df.iat[]选取的都是单个单元格（单行单列），所以返回值都为基本数据类型。
4.1 df.at[]
- 选取b行的name列
>>> df.at['b','name']
'Mike'
4.2 df.iat[]
- 选取第2行第1列
>>> df.iat[1,0]
'Mike'
5 拓展与总结
1）选取某一整行（多个整行）或某一整列（多个整列）数据时，可以用df[]、df.loc[]、df.iloc[]，此时df[]的方法书写要简单一些。
2）进行区域选取时，如果只能用标签索引，则使用df.loc[]或df.ix[]，如果只能用整数索引，则用df.iloc[]或df.ix[]。不过我看到有资料说，不建议使用df.ix[],因为df.loc[]和df.iloc[]更精确（有吗？我没理解精确在哪，望告知）。
3）如果选取单元格，则df.at[]、df.iat[]、df.loc[]、df.iloc[]都可以，不过要注意参数。
4）选取数据时，返回值存在以下情况：
- 如果返回值包括单行多列或多行单列时，返回值为Series对象；
- 如果返回值包括多行多列时，返回值为DataFrame对象；
- 如果返回值仅为一个单元格（单行单列）时，返回值为基本数据类型，例如str，int等。
5）df[]的方式只能选取行和列数据，不能精确到单元格，所以df[]的返回值一定DataFrame或Series对象。
6）当使用DataFrame的默认索引（整数索引）时，整数索引即为标签索引。例如，使用上面的data实例化一个DataFrame对象：
>>> df2 = pd.DataFrame(data)
>>> df2.loc[1,'name']
'Mike'
>>> df2.iloc[1,0]
'Mike'