Pandas詳解五之下標存取

約定

import pandas as pd
import numpy as  np

下標存取

Series和DataFrame提供了豐富的下標存取方法，除了直接用[ ],還有.loc[ ]、.iloc[ ]、.at[ ]、.iat[ ]和.ix[ ]等存取方式。

np.random.seed(42)
df1=pd.DataFrame(np.random.randint(1,10,(4,3)),index=['r1','r2','r3','r4'],columns=['c1','c2','c3'])
df1

代碼結果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3
r3	7	8	5
r4	4	8	8

一、[ ] 操作符

支持以下6種下標對象：

• 單個列標籤

返回Series對象

df1['c1']

代碼結果：

r1    7
r2    5
r3    7
r4    4
Name: c1, dtype: int32

• 多個列標籤

返回DataFrame對象

df1[['c1','c3']]

代碼結果：

	c1	c3
r1	7	8
r2	5	3
r3	7	5
r4	4	8

• 行索引的整數切片

df1[1:3]

代碼結果：

	c1	c2	c3
r2	5	7	3
r3	7	8	5

• 行索引的標籤切片

注意包括終止標籤

df1['r1':'r2']

代碼結果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3

• 布爾數組

df1.c1>5 是一個布爾序列

df1[df1.c1>5]

代碼結果：

	c1	c2	c3
r1	7	4	8
r3	7	8	5

• 布爾DataFrame

df1>4 是一個布爾DataFrame對象

df1[df1>4]

代碼結果：

	c1	c2	c3
r1	7.0	NaN	8.0
r2	5.0	7.0	NaN
r3	7.0	8.0	5.0
r4	NaN	8.0	8.0

• 注意，類似df1[1]、df1[‘r1’]的位置存取、單個行標籤存取是錯誤的。

二、.loc[ ] 和 .iloc[ ] 存取器

.loc[y]/.iloc[y]：y可以是單個值，也可是多個值（列表），y代表行索引

.loc[y，x]/.iloc[y，x]：y代表行索引，x代表列索引

• 上面說到了df1[‘r1’]單個行標籤存取是錯誤的，則用.loc[]能可以。

df1.loc['r1']

代碼結果：

c1    7
c2    4
c3    8
Name: r1, dtype: int32

• 獲取多行

df1.loc[['r1','r2']]

代碼結果：

	c1	c2	c3
r1	7	4	8
r2	5	7	3

• 行、列篩選

df1.loc[['r1','r2'],['c1','c3']]

代碼結果：

	c1	c3
r1	7	8
r2	5	3

• .iloc[ ]與.loc[ ]相似，但不同的是，.iloc[ ]使用整數下標:

df1.iloc[2]

代碼結果：

c1    7
c2    8
c3    5
Name: r3, dtype: int32

df1.iloc[[2,1]]

代碼結果：

	c1	c2	c3
r3	7	8	5
r2	5	7	3

三、.ix[ ]存取器

.ix[ ]特點爲綜合了前面的，可以混用標籤、位置下標存取。

同樣的，下標中，第一個爲行索引，第二個爲列索引。

df1.ix['r2',1:3]

代碼結果：

c2    7
c3    3
Name: r2, dtype: int32

df1.ix[1:3,['c1','c3']]

代碼結果：

	c1	c3
r2	5	3
r3	7	5

四、獲取單個值

• .at[ ]和.iat[ ] 能使用標籤和整數下標獲取單個值。此外，推薦.get_value(),相比前面的更快。

df1.at['r1','c3']

代碼結果：

8

df1.iat[0,2]

代碼結果：

8

df1.get_value('r1','c3')

代碼結果：

8

• 獲取成對標籤的單個值

df1.lookup(['r1','r3','r1'],['c3','c2','c2'])

代碼結果：

array([8, 8, 4])

五、query()方法

• 當需要篩選時，我們可能會：

df1[(df1.c1>4)&(df1.c3<5)]

代碼結果：

	c1	c2	c3
r2	5	7	3

• 使用query()能簡化：

df1.query("c1>4 and c3<5")

代碼結果：

	c1	c2	c3
r2	5	7	3

謝謝大家的瀏覽，
希望我的努力能幫助到您，
共勉！