Pandas DataFrame行列数据筛选详解：loc、iloc与ix用法解析

一、对DataFrame的认知

DataFrame的核心结构由行索引（index）与列索引（column）共同构成，并承载多列数据。

为了更直观地理解其原理，我们可以转换视角进行思考。

在现实场景中，为了简化对复杂事物的描述，人们通常会选取若干关键特征。

例如，通过性别、身高、学历、职业及爱好等维度来刻画一个人，这些维度即被视为“特征”。

在DataFrame中，不同的行代表不同的数据记录；列则代表特征。由于各记录在各项特征上的取值存在差异，从而形成了独特的数据表现。

DataFrame默认的索引为从0开始的整数序列（0, 1, 2…），这可以理解为位置索引。在实际应用中，我们通常使用id来标识不同记录，且不会随意更改index。然而，为了清晰理解各特征（列）的具体含义，我们往往需要重新指定column名称。

这里提供一种简易但不完全严谨的理解模型：

行列

行 – index – 记录（通常沿用默认索引）

列 – column – 特征（采用自定义索引）

索引

默认索引 – 序号 – 位置 – 便于索引但直观性较差

自定义索引 – 特征名称 – 属性 – 更易于理解

二、对dataframe进行行列数据筛选

import pandas as pd,numpy as np
from pandas import DataFrame
df = DataFrame(np.arange(20).reshape((4,5)),column = list('abcde'))

1. df[]与df. 选取列数据

df.a 
df[[‘a','b']]

2. df.loc[[index],[column]] 通过标签选择数据

当不对行进行筛选时，[index]处必须填写冒号（:），不能留空。例如，df.loc[:,'a']表示选取a列的全部数据。

df.loc[0,'a'] 
df.loc[0:1,[‘a','b']] 
df.loc[[0,2],[‘a','c']]

3. df.iloc[[index],[column]] 通过位置选择数据

当不对行进行筛选时，其用法与df.loc[]相同，即[index]处同样不能为空。

df.iloc[0,0] 
df.iloc[0:1,1:3] 
df.iloc[[0,2],[1,3]]

4. df.ix[[index],[column]] 通过标签或位置选择数据

df.ix[]混合了标签和位置选择。需要注意的是，[index]和[column]的框内需要指定同一类的选择。 df.ix[[0:1],[‘a',3]]报错

以上这篇pandas系列之DataFrame 行列数据筛选实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。