一、索引的概述

很多人在使用Pandas選取數(shù)據(jù)時，總會迷失在data[]、iloc()、loc()、ix()、at()、iat()中，似乎記得，又似乎不記得，每到用時都需要百度，不知所以然的解決了問題，下次繼續(xù)百度，記憶點基本上非?；靵y。本文就是希望能解決這個問題，通過一個簡單的DataFrame徹底搞明白這三個函數(shù)到底有什么區(qū)別，又該怎么使用，希望對你有用。

日常使用中，推薦使用loc和iloc進行索引，loc是指location的意思，iloc中的 i 是指integer，這兩個方法容易混淆，可以使用特殊方式來加強記憶。

iloc：基于位置，用行號、列號進行索引，i 可以看著 int，因此 iloc 只能用整數(shù)來索引，例如data.iloc[0:2,:]

loc ：基于標簽，用行名、列名進行索引，數(shù)據(jù)的index經(jīng)常為整數(shù)，因此 loc 的使用范圍要遠高于iloc，loc可以使用整數(shù)切片、名稱(index,columns)索引、也可以切片和名稱混合使用。例如：data.loc[0:5:,'row1':'row2']

我們簡單構(gòu)造一個數(shù)據(jù)集，在下面的案例中需要用到。

import pandas as pdimport numpy  as npdata = pd.DataFrame(np.arange(25).reshape(5, 5),                   index = ['row1', 'row2','row3','row4','row5'],                   columns=['col1', 'col2','col3','col4', 'col5'])data       col1  col2  col3  col4  col5row1     0     1     2     3     4row2     5     6     7     8     9row3    10    11    12    13    14row4    15    16    17    18    19row5    20    21    22    23    24

二、用列名直接索引 （不推薦）

取一列：data['col1']  即取得第一列，得到的是一個Series對象。

取多列：data[['col1','col2']]

注 意：

用data['row1'] 、data[0]、data[:,0]、data[0,:]、data[:,'col1':'col2'] 統(tǒng)統(tǒng)都會報錯的，這類命令只能用來按列名取一列或多列。

data['col1']row1     0row2     5row3    10row4    15row5    20Name: col1, dtype: int32
data[['col1','col2']]       col1  col2row1     0     1row2     5     6row3    10    11row4    15    16row5    20    21
#下面的命令直接應(yīng)用都會報錯，但是用loc 和 iloc 就不會報錯data['row1']data[0]data[:,0]data[0,:]data[:,'col1':'col2'] #TypeError: '(slice(None, None, None), 0)' is an invalid key

三、用行號直接索引（不推薦）

data[0:2]代表取得第0行和第1行

注 意：

只取一行的話，要用data[0:1]，不能用data[0]。data[0:2,]也會報錯

data[0:2]      col1  col2  col3  col4  col5row1     0     1     2     3     4row2     5     6     7     8     9

四、iloc按行號、列號來索引（推薦）

1)取一行 ：data.iloc[0]  、data.iloc[0,:]

2)取多行 ：data.iloc[[0,2]] 、data.iloc[[0,2],:]

3)取連續(xù)多行 ：data.iloc[0:2] 、data.iloc[0:2,:]

4)取一列 ： data.iloc[:,0]

5)取多列 ：data.iloc[:,[0,2]]、data.iloc[:,[0,2]]

6)取連續(xù)多列 ：data.iloc[:,0:2]

注 意：

取行的時候可以不提列，也可以用"，："來指全列

取列的時候必須用"：，"來指定全行。

可以使用一個數(shù)字來代表一個，可以使用一個列表[a,b]代表多個，也可以使用a:b代表連續(xù)多個。

data.iloc[0]col1    0col2    1col3    2col4    3col5    4data.iloc[:,2:4]      col3  col4row1     2     3row2     7     8row3    12    13row4    17    18row5    22    23

五、loc按行名、列名來索引（推薦）

1)取一行：data.loc['row1']   、data.loc['row1',:]

2)取多行：data.loc[['row1','row2']]  、data.loc[['row1','row2'],:]

3)取連續(xù)多行：data.loc['row1':'row2']   、data.loc['row1':'row2',:]

4)取一列：data.loc[:,'col1']

5)取多列：data.loc[:,['row1','row2']]

6)取連續(xù)多列：data.loc[:,'row1':'row2']

注 意：

取行的時候可以不提列，也可以用"，："來指全列。

取列的時候必須用"：，"來指定全行。

可以使用一個數(shù)字來代表一個，可以使用一個list ['a','b']代表多個，也可以使用'a':'b'代表連續(xù)多個。

data.loc[:,'col1':'col3']       col1  col2  col3row1     0     1     2row2     5     6     7row3    10    11    12row4    15    16    17row5    20    21    22
#當索引為整數(shù)時，可以用整數(shù)進行索引data = pd.DataFrame(np.arange(25).reshape(5, 5),                   columns=['col1', 'col2','col3','col4', 'col5'])   col1  col2  col3  col4  col50     0     1     2     3     41     5     6     7     8     92    10    11    12    13    143    15    16    17    18    194    20    21    22    23    24data.loc[0:3,'col1':'col3']    col1  col2  col30     0     1     21     5     6     72    10    11    123    15    16    17

六、使用iat和at（不推薦）

iat 和 at 只能取單個元素，iat 使用行、列索引，at 使用行、列名，但是其功能被 iloc 和 loc 包含，因此不推薦。

data.iat[1,2]7

七、使用ix（不推薦）

ix 相當于 loc 和 iloc 的綜合版本，既可以按標簽選取，又可以按位置選取，也就是說，ix可以識別你是想按照標簽選取，還是按照位置選取。

關(guān)于ix，它是先于 iloc 和 loc 產(chǎn)生的，現(xiàn)在基本上用 iloc 和 loc 已經(jīng)完全能取代 ix ，所以 ix 已經(jīng)被官方棄用了。就不贅述了。

最后總結(jié)：（重點！?。。。?/strong>

正常情況下，推薦使用 iloc 和 loc。最核心的點記住，取行可以不提列，取列必須提行，可以用一個數(shù)字，一個list，或者一個區(qū)間來取行列。

···  END  ···

↓掃描關(guān)注本號↓