Pandas DataFrame 行列数据提取全指南：iloc、loc、iat、at 用法详解

Pandas数据提取方法概述

在Pandas中，提取DataFrame数据的方式多样，包括按行（单行、连续多行、非连续多行）、按列（单列、连续多列、非连续多列）、提取部分不连续的行与列、按坐标位置、按字符索引以及按数据块（list）等方式。主要涉及的函数有df.iloc()、df.loc()、df.iat()、df.at()以及已逐渐弃用的df.ix()。

DataFrame构建与索引基础

构建DataFrame时，需明确指定columns和index，并可在此基础上修改或添加数据，进而提取行列索引信息。

data = {'省份': ['北京', '上海', '广州', '深圳'],
        '年份': ['2017', '2018', '2019', '2020'],
        '总人数': ['2200', '1900', '2170', '1890'],
        '高考人数': ['6.3', '5.9', '6.0', '5.2']}
df = pd.DataFrame(data, columns=['省份', '年份', '总人数', '高考人数', '高数'],
                  index=['one', 'two', 'three', 'four'])
df['高数'] = ['90', '95', '92', '98']
print("行索引：{}".format(list(df.index)))
print("列索引：{}".format(list(df.columns)))
print(df.index[1:3])
print(df.columns[1])
print(df.columns[1:3])
print(df)

示例数据中，行索引为['one', 'two', 'three', 'four']，列索引为['省份', '年份', '总人数', '高考人数', '高数']。提取部分行索引可得Index(['two', 'three'], dtype='object')，提取特定列索引如'年份'可得Index(['年份', '总人数'], dtype='object')。完整数据表如下： 省份 年份 总人数 高考人数 高数 one 北京 2017 2200 6.3 90 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 four 深圳 2020 1890 5.2 98

按列索引提取数据的注意事项

需要注意的是，df.iloc()不支持通过[:, [1:3]]这种切片方式直接获取连续列数据。若需按位置获取连续列，必须先通过df.columns[1:4]获取列索引列表，再基于该索引提取数据。

print(df['省份'])  #按列名取列
print(df.省份)  #按列名取列
print(df[['省份', '总人数']])  #按列名取不连续列数据
print(df[df.columns[1:4]])  #按列索引取连续列数据
print(df.iloc[:, 1])  #按位置取列
print(df.iloc[:, [1, 3]])  #按位置取不连续列数据

以下是按列名或列索引提取数据的示例结果： 提取单列'省份'： one 北京 two 上海 three 广州 four 深圳 Name: 省份, dtype: object 提取多列'省份'和'总人数'： 省份 总人数 one 北京 2200 two 上海 1900 three 广州 2170 four 深圳 1890 提取连续列'年份'、'总人数'、'高考人数'： 年份 总人数 高考人数 one 2017 2200 6.3 two 2018 1900 5.9 three 2019 2170 6.0 four 2020 1890 5.2 提取单列'年份'： one 2017 two 2018 three 2019 four 2020 Name: 年份, dtype: object 提取非连续列'年份'和'高考人数'： 年份 高考人数 one 2017 6.3 two 2018 5.9 three 2019 6.0 four 2020 5.2

使用iloc按位置提取数据

使用df.iloc[]（传入数字）可提取行数据。当需要提取部分行和部分列时，参数顺序应先指定行，再指定列。此外，还可以结合条件语句进行数据筛选。

print(df[1:3])  #按行取数据，这行代码结果没在下面输出
print(df[df.高数>90])  #按行有条件的取数据，结果没输出
print(df.iloc[1])  #按行取行数据
print(df.iloc[1, 3])  #按坐标取
print(df.iloc[[1], [3]])  #按坐标取
print(df.loc[df.index[1:3]])  #按行索引取行，但没必要
print(df.iloc[1:3])  #按行取连续数据
print(df.iloc[[1, 3]])  按行取不连续数据
print(df.iloc[[1,2,3], [2,4]])  取部分行部分列数据

以下是按位置提取数据的示例结果： 提取单行'two'： 省份 上海 年份 2018 总人数 1900 高考人数 5.9 高数 95 Name: two, dtype: object 提取单个元素： 5.9 提取单列'高考人数'： 高考人数 two 5.9 提取多行'two'和'three'： 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 提取多行'two'和'four'： 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 four 深圳 2020 1890 5.2 98 提取部分行和部分列（'总人数'和'高数'）： 总人数 高数 two 1900 95 three 2170 92 four 1890 98

使用loc按字符索引提取数据

使用df.loc[]（传入字符索引）可提取行数据，适用于基于标签的索引操作。

print(df.loc['two'])
print(df.loc['two', '省份'])
print(df.loc['two':'three'])
print(df.loc[['one', 'three']])
print(df.loc[['one', 'three'], ['省份', '年份']])

以下是按字符索引提取数据的示例结果： 提取单行'two'： 省份 上海 年份 2018 总人数 1900 高考人数 5.9 高数 95 Name: two, dtype: object 提取单个元素： 上海 提取多行'two'到'three'： 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 提取多行'one'和'three'： 省份 年份 总人数 高考人数 高数 one 北京 2017 2200 6.3 90 three 广州 2019 2170 6.0 92 提取多行和多列（'省份'和'年份'）： 省份 年份 one 北京 2017 three 广州 2019

其他提取方法（ix, iat, at）简介

df.ix、df.iat和df.at也可用于提取行列数据，但这些方法使用频率较低。在实际开发中，推荐优先使用上述df.iloc()和df.loc()方法，它们功能更强大且兼容性更好。

print(df.ix[1:3])
print(df.ix[:, [1, 3]])
print(df.iat[1,3])
print(df.at['two', '省份'])

以下是其他提取方式的示例结果： 提取多行'two'和'three'： 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 提取单列'年份'和'高考人数'： 年份 高考人数 one 2017 6.3 two 2018 5.9 three 2019 6.0 four 2020 5.2 提取单个元素： 5.9 提取单个元素： 上海

本文介绍了Pandas中读取行列数据的多种方法。如需了解更多相关内容，建议查阅本站过往文章或继续浏览后续教程，感谢支持！