pandas DataFrame行列索引获取、重命名及数据选取详解

本文整理pandas数据选取的相关操作，首先介绍行列索引的获取与修改方法，以便后续更高效地获取数据。该文档旨在作为学习过程中的巩固资料。

文章主要内容顺序为：行列索引的获取、行列索引的修改、以及数据的选择操作。

一、pandas DataFrame行列索引的获取与修改

1. 获取方法：通过 df.index 和 df.columns 属性。

首先，构建一个示例DataFrame对象，代码如下：

>>>import pandas as pd
>>>import numpy as np
>>>data = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
>>>data

此处设置列索引为 'a', 'b', 'c'，行索引默认为自动生成，用户也可手动指定。

>>>data.index = ['A','B','C']
>>>data

后续所有操作均基于上述创建的 data 对象进行演示。

接下来演示如何获取索引信息，其中 index 属性用于获取行索引，columns 属性用于获取列索引。

>>>data.index

>>>data.columns

2. 修改方法：虽然有多种方式，此处推荐一种较为灵活且常用的方法。

 df.rename(index={ }, columns={ }, inplace=True)
>>>data.rename(index={'A':'D', 'B':'E', 'C':'F'}, columns={'a':'d', 'b':'e', 'c':'f'}, inplace = True)
>>>data

说明以下三个关键点：

1. index 和 columns 参数相互独立，可以分别指定。这意味着可以仅修改行索引，此时在 rename() 函数中只需传入 index 参数。

2. 索引可以按需选择性修改。例如 index={'A':'D', 'C':'F'} 表示仅将 'A' 改为 'D'，'C' 改为 'F'，columns 参数同理。

3. 设置 inplace=True 可在原 DataFrame 对象上直接进行修改，无需重新赋值。

二、pandas DataFrame的数据选取

1. 直接使用中括号索引（灵活性较低，不推荐）：df[ ]。

1）选取单列数据，例如 'a' 列。

>>>data['a'] 

注意事项：

1. 通过此方式取出的数据类型为 Series。

2. 该方法仅能选取单列，不支持数字下标，也无法进行多选或切片操作。例如 data['a','b']、data['a':'c'] 或 data[0] 均无法按预期工作。

2）选取多行数据，例如 'A' 到 'B' 行。

>>>data['A':'B'] 
>>>data[0:2] # 两种方法同一结果

注意事项：

1. 通过此方式取出的数据类型为 DataFrame。

2. 该方法仅适用于行的切片选取，支持使用数字下标，但不能单独选取某一行。例如 data['A']、data['A','B'] 或 data[1] 无法直接选取单行。

2. 使用 .loc() 方法（推荐）：df.loc()，括号内参数顺序为先行后列，通过标签区分行列选取方式。

1) 选取指定列：

>>>data.loc[:,['a','c']] #图1 需要行全取，再对应指定列

2）选取指定行：

>>>data.loc[['A','B']] #图2 直接指定行

3）选取行列交叉区域的值：

>>>data.loc[['A'],['b','c']] #图3 

注意事项：

1. 需区分 df.iloc() 的用法。

.loc() —— 使用标签（label）作为索引进行取值。

.iloc() —— 使用整数下标（index）作为索引进行取值。上述三种情况可分别替换为以下对应语句，注意输出数据类型存在差异。

>>>data.iloc[:,[0,2]] # DataFrame
>>>data.iloc[[0,1]] # DataFrame
>>>data.iloc[0,[1,2]] # Series

2. 对于数值型变量，可以使用布尔条件选取行，但列选取不支持布尔索引。例如：

>>>data.loc[data.b>5] # DataFrame

>>>data.loc[data.b>5,['c']] #DataFrame 输出为9位置的frame
>>>data.iloc[data.b.values>5,[2]] #DataFrame 输出同上，需要有 .values取值

3. .ix[ ] 方法允许混用标签（label）和下标（index），其位置参数用法与 .loc[ ] 和 .iloc[ ] 类似。

以上关于pandas行列名修改与数据选取的详解内容分享完毕，希望能为读者提供参考，欢迎支持。