Python Pandas DataFrame 常见索引方式详解

Pandas DataFrame 索引方法概述

首先构建一个用于演示的数据框。

import pandas as pd

df = pd.DataFrame([['乔峰', '男', 95, '降龙十八掌', '主角'],
          ['虚竹', '男', 93, '天上六阳掌', '主角'],
          ['段誉', '男', 92, '六脉神剑', '主角'],
          ['王语嫣', '女', 95,'熟知武诀', '主角'],
          ['包不同', '男', 65, '胡搅蛮缠', '配角'],
          ['康敏', '女', 40, '惑夫妒人', '配角']],
          index=list('abcdef'.upper()),
          columns=['name', 'gender', 'score', 'skill', 'class'])
df

位置索引：iloc

1. iloc[]：基于整数位置的索引器，仅接受从 0 开始的整数作为参数。

标签索引：loc

2. loc[]：基于标签的索引器，仅接受 index（行索引）和 columns（列名）的具体值。

混合索引：ix

3. ix[]：混合索引器，同时支持整数位置和标签值，兼具 iloc 和 loc 的功能。

其他索引与列访问方式

4. [[]]：借鉴自 R 语言的双中括号索引方式，常用于提取子集。

5. 字典形式索引列：通过字典键值对的方式访问特定列。

6. 属性形式索引列：当列名称符合变量命名规范且非整数时，可直接通过对象属性访问。

高级索引与总结

此外，切片操作、花式索引以及布尔掩码等高级用法相对基础，且均可在上述索引框架内实现，因此此处不再单独展开讨论。

值得注意的是，Pandas 的许多设计思路与 R 语言高度相似，深入对比学习颇具价值。

以上内容涵盖了 Pandas DataFrame 的主要索引技巧，希望能为读者的数据处理工作提供实用参考，欢迎持续关注与支持。