pandas中的索引与选择

首先，让我们创建一个DataFrame对象，后续的操作均在该数组上进行

df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))
#          A           B            C            D
# a    -1.622668     0.980099    -0.161964     0.714481
# b     0.784874    -0.301878    -0.117516    -0.804685
# c     0.696801     0.738067    -1.544013     0.628773
# d    -0.552270     0.533423     0.417096    -0.130575
# e    -0.181280    -1.265713     0.474774     2.083330
# f    -0.701355     0.263040    -0.776085    -0.749123

行选择

单行选择

使用 `[ ]`+`:`操作符组合

[]常用于数组的选择，: 常用于对数组进行切片处理，通过指定连续的切片区间就可以获得单行选择效果，返回值是一个新的DataFrame对象。注意，使用此种方式时，:左右两边需要指定的是行的位置，不能提供行索引，此外不能直接通过指定行位置的方式选择，如df[0]是无法选择第0行的，此种操作会报错，如果传入的是索引而非位置，则会被认为是列索引，而不会被当成行索引

row_1 = df[0:1]  # 此处选择得是df的第0行
print(row_1)
# 输出结果为：
#          A            B            C           D
# a    -1.622668    0.980099    -0.161964    0.714481

使用`df.loc[]`

df.loc属性用于根据标签选择行，标签也就是df的index属性，与上述方法不同之处在于该属性返回的是一个Series对象，Series对象的索引为原DataFrame对象的columns属性

row_2 = df.loc['b']
# row_2的值为：
# A    0.784874
# B   -0.301878
# C   -0.117516
# D   -0.804685
# Name: b, dtype: float64

使用`df.iloc`

df.iloc属性用于根据位置进行索引，此处的位置表示哪一行，哪一列，例如0表示第0行，1表示第一行，并且只接受位置信息，不接受标签信息，如同df.loc只接受标签信息不接受位置信息。和df.loc相同的是返回的是一个Series对象。

row_1 = df.iloc[0]  # 选择第0行，返回的是一个Series对象
# row_1的值为：
# A   -1.622668
# B    0.980099
# C   -0.161964
# D    0.714481
# Name: a, dtype: float64

使用`df.A`

其中A是DataFrame中columns中的列索引名，通过这种方式可以直接获取DataFrame中的名称为'A'的列

多行选择

使用 `[ ]`+`:`操作符组合

与上述单行选择时不同，当指定的切片区间为连续的多行时，可以达到多行选择的目的，同样，此方式返回的是一个DataFrame对象，需要注意的是索引包左不包右，如下代码所示：

row_0to2 = df[0:2]  # 选择第0行、第1行，不选择第2行
# row_0to2的结果为：
#           A            B            C           D
# a    -1.622668     0.980099    -0.161964     0.714481
# b     0.784874    -0.301878    -0.117516    -0.804685

使用`df.loc`

当对索引使用:切片操作时，返回的就会是一个多行的选择结果，与df.loc进行单行选择不同，多行选择返回的是一个DataFrame，其实在单行选择中也可以使用切片选择，只不过:左右的切片索引是相同的，如下方代码中所示，这种情况下返回的也是一个DataFrame。其实，总结来说，只要使用了:切片操作，无论选择的结果是单行还是多行，结果都是一个DataFrame。另外需要注意的一点是：使用基于索引的选择时，选择范围为:左侧的索引对应的行到右侧对应的行，即左右都包含在结果当中，而使用基于位置的索引时，右侧的行不包括在结果当中。另外也可以使用一个包含行索引的列表来选择多行数据，这种情况下可以选择非连续的多行，但不能传入元组，只能是列表

# 索引'c'对应的行也包含在结果当中
row_a2c = df.loc['a':'c']
# row_a2c的值为：
#           A            B           C             D
# a    -1.622668     0.980099    -0.161964     0.714481
# b     0.784874    -0.301878    -0.117516    -0.804685
# c     0.696801     0.738067    -1.544013     0.628773

# 传入一个包含行索引的列表
row_ac = df.loc[['a', 'c']]
# row_ac的值为：
#           A            B           C           D
# a    -1.622668    0.980099    -0.161964    0.714481
# c     0.696801    0.738067    -1.544013    0.628773

# 使用:操作符实现单行选择
row_a = df.loc['a':'a']
# row_a的值为：
#           A           B           C            D
# a    -1.622668    0.980099    -0.161964    0.714481

使用`df.iloc`

两者结合使用的方式同上述df.loc，不同的是df.iloc使用的是位置而非索引，且:右侧对应的行不包含在结果当中。此外同上述阐述中所描述的那样，此种方式也可以实现单行选择且返回的是一个DataFrame，具体实现相信也都能够成竹于胸，不在赘述，此外也可以传入一个包含行位置的列表

# 选择第0行和第1行，不包括第2行
row0to2 = df.iloc[0:2]
# row0to2的值为：
#           A            B            C            D
# a    -1.622668     0.980099    -0.161964     0.714481
# b     0.784874    -0.301878    -0.117516    -0.804685

列选择

单列选择

使用`[]`

使用[]的方式进行单行选择时，其使用方法与python中字典根据键获取值的方式完全相同，只不过此处的键需要是DataFrame对象的columns属性中的值，即列索引，返回的是一个Series对象

# 选取列索引为'B'的列
col_B = df['B']
# col_B的值为：
# a    0.980099
# b   -0.301878
# c    0.738067
# d    0.533423
# e   -1.265713
# f    0.263040
# Name: B, dtype: float64

使用`df.loc`

使用df.loc进行单列选择时，首先需要选中所有的行，然后选择需要的列，此种方式类似于numpy中的多维数组选择方式，多个维度选择之间使用','隔开，:左右均不指定值时表示选择所有行/列，如下代码所示。需要注意的是，虽然这种方式同时设计到了行选和列选，但返回值是一个Series对象而非一个DataFrame，如果需要返回值是一个DataFrame，则需要使用df.loc[:, 'B':'B']

# 选择类索引为'B'的列
col_B = df.loc[:, 'B']
# col_B的值为：
# a    0.980099
# b   -0.301878
# c    0.738067
# d    0.533423
# e   -1.265713
# f    0.263040
# Name: B, dtype: float64

使用`df.iloc`

df.iloc的使用方式同上，区别在与传入的是位置而非索引，两者之间的区别在上面的案例中已经有所提及，返回值可以是一个Series，也可以是一个DataFrame，具体看列选时是否使用:切片操作符

# 如果是df.iloc[:, 1:2]，则返回值是一个DataFrame
col_b = df.iloc[:, 1]
# col_b的值为：
# a    0.980099
# b   -0.301878
# c    0.738067
# d    0.533423
# e   -1.265713
# f    0.263040
# Name: B, dtype: float64

多列选择

使用`[]`

使用[]进行多列选择时，需要传入一个包含列索引的列表，注意，不能是元组，多列选择时，得到的是一个DataFrame，下述多列选择方式也不例外

col_ab = df.[['A', 'B']]
# col_ab的值为：
#           A           B
# a    -1.622668     0.980099
# b     0.784874    -0.301878
# c     0.696801     0.738067
# d    -0.552270     0.533423
# e    -0.181280    -1.265713
# f    -0.701355     0.263040

使用`df.loc`

使用df.loc进行多列选择时，首先需要选择所有行，然后进行列选，列选时可以使用切片操作符:、包含列索引的列表两种方式

col_A2C = df.loc[:, 'A':'C']
# col_A2C的值为：
#           A            B           C
# a    -1.622668     0.980099    -0.161964
# b     0.784874    -0.301878    -0.117516
# c     0.696801     0.738067    -1.544013
# d    -0.552270     0.533423     0.417096
# e    -0.181280    -1.265713     0.474774
# f    -0.701355     0.263040    -0.776085

使用`df.iloc`

df.iloc的使用方式同上，只不过在进行列选时需要传入的列的位置而非索引

col_0and2 = df.iloc[:, [0, 2]]
# col_0and2的值为：
#            A           C
# a    -1.622668    -0.161964
# b     0.784874    -0.117516
# c     0.696801    -1.544013
# d    -0.552270     0.417096
# e    -0.181280     0.474774
# f    -0.701355    -0.776085

行选+列选

使用`df.loc`

使用df.loc进行行选加列选时，需要指定行索引和列索引，具体使用方式为：df.loc[行选, 列选]，行选和列选均可以使用切片操作:或传入包含索引的列表

使用`df.iloc`

使用df.iloc进行行选加列选时，需要指定行位置和列位置，具体使用方式为：df.iloc[行位置, 列位置]，行位置和列位置均可以使用切片操作:或传入包含位置的列表

标量选择

`df.loc`

使用df.loc进行标量选择时，行选和列选均需要是单个索引，即均不能使用:和包含索引的列表，即使只有单个元素在列表中

`df.iloc`

使用df.iloc进行标量选择时，行选和列选均需要是单个位置，即均不能使用:和包含位置的列表，即使只有单个元素在列表中

`df.at`

使用df.at进行标量选择时，需要提供行索引和列索引，该方法在行选和列选时只接受单个行索引和列索引，否则会出错

`df.iat`

使用df.iat进行标量选择时，需要提供行位置和列位置，该方法在行选和列选时只接受单个行位置和列位置，否则会出错

总结

看完上面的内容，有没有发现，其实上述讲到的方法可以简单的分为以下几类，只不过索引的选择会决定获取到的结果

pandas数据选择总结
方法	概述
使用 [pos/indexl]	此方式不能同时进行行选加列选，当传入的是一个位置切片时，表示选择行，且选择行时必须传入一个切片，当传入的是索引时，表示选择列，此方式无法获取标量
使用 df.loc[row, col]	此方式可以省略列选，如果省略，则表示所有列均被选中，行选和列选均需使用索引，当row和col的选择均为多个行和多个列时，返回的是一个DataFrame（行选和列选只要使用了 : 切片操作和列表，即使只有一个元素也会被视为多个行或列），当row和col的选择其中有一个为单个行或单个列时，返回的是一个Series，当row和col的选择均为单个行和单个列时，返回的是一个标量
使用 df.iloc[row, col]	此方式可以省略列选，如果省略，则表示所有列均被选中，行选和列选均需使用位置，其它同df.loc[row, col]
使用 df.at[row, col]	此方式只用于获取标量，行选和列选必须同时指定，两者均只能选择单行和单列，且需为行索引和列索引，其它同df.loc
使用 df.iat[row, col]	此方式只用于获取标量，行选和列选必须同时指定，两者均只能选择单行和单列，且需为行位置和列位置，其它同df.loc