简介

尽管用来选择和设置操作的标准的 Python/Numpy 表达式非常方便，但是官方推荐优化的 pandas 数据访问方法.at, .iat, .loc, .iloc。

Pandas 的数据基础索引方式主要分为两种： Index-based selection（index,iat, iloc），Label-based selection（column, at, loc）、，第三种是条件索引 Conditional indexing/Boolean indexing，即前两种+布尔等式、不等式实现条件索引。

loc和iloc的异同（看不懂没关系，后面会讲）：

  1. loc 和 iloc 都是 row-first，column-second,这意味取 row 比取 column 容易

  2. 区间开闭

    iloc 是常见的前闭后开 [a, b)， 而loc[a:b] 闭区间[a, b]

Start

  1. 选择单独的一列，会生成 Series，相当于 df.A

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    In [8]: product
    Out[8]:
    Product A  Product B  Product C
    1         30         21          9
    2         35         34         10
    3         41         17         46
    4         43         12         75
    5         65         19         68
    6         13         10         32

    In [9]: product["Product A"]
    Out[9]:
    1    30
    2    35
    3    41
    4    43
    5    65
    6    13
    Name: Product A, dtype: int64

  2. 通过 [],可以对 row 切片：

    1
    2
    3
    4
    5
    In [10]: product[1:3]
    Out[10]:
    Product A  Product B  Product C
    2         35         34         10
    3         41         17         46

Index-based selection

无论对于那种 selection, index 都是 numerical 的，区别在于 column 是 numerical 的，还是 label。

ilocoperator ：index-based selection: selecting data based on its numerical position in the data. iloc follows this paradigm。

注意：

  1. 对于 iloc 而言，取列就需要提供列的 numeric indexers，提供 column label 便会报错。
  2. 索引切片的规则都可以使用：前闭后开的范围[),负索引 -1，全索引 ：。

示例（df 是读取了数据的名为 df 的 DataFrame）：

  • 取倒数第一行：df.iloc[-1]
  • 取第一列：df.iloc[:, 0], the : operator 切片指所有元素。
  • 取：reviews.iloc[[0, 1, 2], 0]

Label-based selection

loc operator: label-based selection，对列进行索引的时候使用 label/索引的值，而不是索引。

示例：

取第一行 country 列：df.loc[0, 'country'] 取每一行的'taster_name', 'taster_twitter_handle', 'points'三列：reviews.loc[:, ['taster_name', 'taster_twitter_handle', 'points']]

loc 与 iloc 异同

loc和iloc的异同：

  1. loc 和 iloc 都是 row-first，column-second,这意味取 row 比取 column 容易

  2. 区间开闭 iloc uses the Python stdlib indexing scheme,所以是常见的前闭后开 [a, b)，[1,3],则是 1 2 两个元素。

    而loc[a:b] 为闭区间[a, b]，[1, 3],则是 1, 2, 3三个元素。

3.iloc 相比 loc多加的 i 是即是针对列，也是针对行的，只不过 index label 比较少见。

行一般只有 index，而 `loc`, `iloc` 对行的 index 都支持，因此都可。如果行有index label，可使用 `loc`。

列两种：
要使用 column number index 选择，用 `iloc`
要使用 column labels 选择，用 `loc`

  1. loc 可以索引任何 stdlib type: strings

    如果索引（默认就说行索引）的索引值为 Apples, ..., Potatoes, ...，则可以岁该索引进行切片，df.loc['Apples':'Potatoes']:all the alphabetical fruit choices between Apples and Potatoes.当然，此时食用

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    In [21]: df = pd.DataFrame({'Bob': ['I liked it.', 'It was awful.', 'good.', 'very good'],
        ...:                    'Sue': ['Pretty good.', 'Bland.', 'Just so so', 'Bad.']},
        ...:                   index=['Product A', 'Product B', "Product C","Product D"])
        ...: df.loc["Product B":"Product C"]
    Out[21]:
                        Bob         Sue
    Product B  It was awful.      Bland.
    Product C          good.  Just so so

    ...: df.iloc[1:3]
    Out[22]:
                        Bob         Sue
    Product B  It was awful.      Bland.
    Product C          good.  Just so so

df.set_index("title") 可以把 title 列设置成 label-based index

Conditional selection

  1. reviews 的 country 列是否等于'Italy'：reviews.country == 'Italy' 返回 a Series of True/False booleans based on the country of each record.

  2. 使用位与、位或操作符在两个 bool 表达式之间

reviews.loc[(reviews.country == 'Italy') & (reviews.points >= 90)] reviews.loc[(reviews.country == 'Italy') | (reviews.points >= 90)]

内置选择器：isin、isnull、notnull

1
2
reviews.loc[reviews.country.isin(['Italy', 'France'])]
reviews.loc[reviews.price.notnull()]

赋值

可以赋单个值，也可以赋一个序列值：

reviews['critic'] = 'everyone': 将 critic 列的值全部赋为 everyone reviews['index_backwards'] = range(len(reviews), 0, -1):为 index_backwards 赋予一个逆序列值。

参考

  1. Indexing, Selecting & Assigning | Kaggle
  2. 10 minutes to pandas — pandas 1.4.2 documentation