相信很多人像我一樣在學習python,pandas過程中對數據的選取和修改有很大的困惑(也許是深受Matlab)的影響。。。
到今天終於完全搞清楚了!!!
先手工生出一個數據框吧
[python] view plain copy
import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(0,60,2).reshape(10,3),columns=list('abc'))
df 是這樣子滴
那麼這三種選取數據的方式該怎麼選擇呢?
一、當每列已有column name時,用 df [ 'a' ] 就能選取出一整列數據。如果你知道column names 和index,且兩者都很好輸入,可以選擇 .loc
[python] view plain copy
df.loc[0, 'a']
df.loc[0:3, ['a', 'b']]
df.loc[[1, 5], ['b', 'c']]
由於這邊我們沒有命名index,所以是DataFrame自動賦予的,爲數字0-9
二、如果我們嫌column name太長了,輸入不方便,有或者index是一列時間序列,更不好輸入,那就可以選擇 .iloc了。這邊的 i 我覺得代表index,比較好記點。
[python] view plain copy
df.iloc[1,1]
df.iloc[0:3, [0,1]]
df.iloc[[0, 3, 5], 0:2]
iloc 使得我們可以對column使用slice(切片)的方法對數據進行選取。
三、.ix 的功能就更強大了,它允許我們混合使用下標和名稱進行選取。 可以說它涵蓋了前面所有的用法。基本上把前面的都換成df.ix 都能成功,但是有一點,就是
df.ix [ [ ..1.. ], [..2..] ], 1框內必須統一,必須同時是下標或者名稱,2框也一樣。 BTW, 1框是用來指定row,2框是指定column, 當然上面所有的取數方法都是這個規則。
這就是我目前的領悟吧。