Pandas行与列选择详解：loc、iloc与切片用法辨析

Pandas行列选择基础与数据来源

初学Pandas时，行与列的选择逻辑往往容易让人产生混淆。为了厘清这些概念，本文将对相关操作进行系统的讨论与归纳。

本文示例使用的数据集来源于：https://github.com/fivethirtyeight/data/tree/master/fandango

import pandas as pd

fandango = pd.read_csv('fandango_score_comparison.csv')

以下是部分原始数据展示：

行选择的三种方法辨析

行选择

在Pandas中进行行选择，通常有三种主要方式：

• 1. 使用类似Python列表的切片语法；
• 2. 基于指定索引值选择一行或多行，使用loc[]方法；
• 3. 基于指定位置序号选择一行或多行，使用iloc[]方法。

第一种方法：使用类似Python列表的切片语法。

n = fandango[1:3]

从运行结果可以看出，其逻辑与Python列表切片一致：索引号从0开始，选取索引号为1和2的数据，但不包含索引号为3的数据。

第二种方法：基于指定索引值选择一行或多行，使用loc[]方法。

o = fandango.loc[1]

p = fandango.loc[1:3]

观察结果可知，变量o返回的是一个Series对象，选取了索引号为1的那一行数据。需要注意的是变量p，它与第一种列表索引方式最大的区别在于：loc切片包含了结束索引号为3的那一行数据。

u = fandango.loc[[1,3]]

此外，还可以利用loc[]按照指定的索引值选择不连续的多行。

第三种方法：基于指定位置序号选择一行或多行，使用iloc[]方法。

在上述原始数据中，由于索引号从0开始且连续，此时iloc[]与loc[]的效果看似相同。为了演示差异，我们先删除索引号为1和2的两行数据。

fandango_drop = fandango.drop([1,2], axis=0)

可以看到，这两行数据确实已被删除。

此时，如果继续使用loc[]尝试索引行号为2的那一行，程序将会报错，因为原索引号2已不存在。

s = fandango_drop.loc[2]

然而，如果我们改用iloc[]进行操作：

t = fandango_drop.iloc[2]

结果显示，iloc[2]表示选择第三行的数据（即当前索引号为4的那一行）。因为iloc[]的计算也是从0开始的，所以它适用于数据经过筛选导致索引号与原始数据不一致的场景。

loc[]与iloc[]之间还有一个关键区别：loc[]的参数对应的是索引值，因此参数可以是整数，也可以是字符串；而iloc[]的参数表示的是第几行的位置序号，因此只能是整数。

列选择的常见误区与正确写法

列选择

列选择相对简单，只需直接传递列名即可。如果需要选择多列数据，需单独列出列名或列的索引号。

第一种情况：选择单列，例如选择电影名称（FILM）那一列。

q = fandango['FILM']

第二种情况：通过指定列名列表来选择多列。

r = fandango[['FILM','Metacritic']]

第三种情况：一种容易让人混淆的操作，即通过列的索引号来选择多列。

v = fandango[[0,1,2]]

其实，列也存在索引号。看到这里可能会产生疑问：如果要选择前5列，不想写一个长列表，也不想逐个写出这5列的名称，能否直接使用切片呢？

x = fandango[[0:5]]

事实证明，直接切片是不行的。更好的方法是在参数中构建一个列表。

w = fandango[list(range(5))]

更多参考资料：http://pandas.pydata.org/pandas-docs/version/0.17.0/api.html

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。