1 引言
Python padas是常用的數據處理和分析模塊，有特別的數據結構DataFrame。創建一個對象：
import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數據框
2 常遇到的錯誤
read_csv是常用的讀取CSV格式的文件，其返回值就是DataFrame。新手很容易犯錯認爲DataFrame和array及list相同，可以用[][]來去行列中單個數據及切片數據：
比如：
ServiceLogs,98706832行x14列,8.77 GB,交易日誌數據，每個交易會話可以有多條交易,A ServiceCodes,286行×8列,20 KB,交易分類的字典表,B
df = pd.read_csv(path, header=None) # 不設置header=None，默認第一行爲頭，也就是列索引
print(df)
0 1 2 3 4
0 ServiceLogs 98706832行x14列 8.77 GB 交易日誌數據，每個交易會話可以有多條交易 A
1 ServiceCodes 286行×8列 20 KB 交易分類的字典表 B
print(df[0][1])
ServiceCodes
可以看到輸出第一行，第二列竟然是第二行第一列。那是因爲DataFrame的取值根本與array及list不同，但是如果習慣這樣操作可以將DataFrame轉爲array。這樣結果如大家所預料。
arr_df = np.array(df)
print(arr_df)
print(arr_df[0][1])
[['ServiceLogs' '98706832\xe8\xa1\x8cx14\xe5\x88\x97' '8.77 GB'
'\xe4\xba\xa4\xe6\x98\x93\xe6\x97\xa5\xe5\xbf\x97\xe6\x95\xb0\xe6\x8d\xae\xef\xbc\x8c\xe6\xaf\x8f\xe4\xb8\xaa\xe4\xba\xa4\xe6\x98\x93\xe4\xbc\x9a\xe8\xaf\x9d\xe5\x8f\xaf\xe4\xbb\xa5\xe6\x9c\x89\xe5\xa4\x9a\xe6\x9d\xa1\xe4\xba\xa4\xe6\x98\x93'
'A']
['ServiceCodes' '286\xe8\xa1\x8c\xc3\x978\xe5\x88\x97' '20 KB'
'\xe4\xba\xa4\xe6\x98\x93\xe5\x88\x86\xe7\xb1\xbb\xe7\x9a\x84\xe5\xad\x97\xe5\x85\xb8\xe8\xa1\xa8'
'B']]
98706832行x14列
3 那原因是什麼那？
原因主要是在DataFrame中直接用方括號取值是索引，也就是列索引，然後是行索引。比如：
df['a']#取a列
df[['a','b']]#取a、b列
而在未指定索引，比如指定names參數（列索引），index_col參數（行索引）及header=None。默認行列索引分別爲0-(num-1)，所以也就陰差陽錯出現上述情況。下面我們可以測試當修改行列索引之後，是否可以繼續按照錯誤方法調用？
df = pd.read_csv(path2, header=None, names=list('abcde'))
print(df)
print(df[0][1])
a b c d e
0 ServiceLogs 98706832行x14列 8.77 GB 交易日誌數據，每個交易會話可以有多條交易 A
1 ServiceCodes 286行×8列 20 KB 交易分類的字典表 B
Traceback (most recent call last):
print(df[0][1])
...
KeyError: 0
也就是提示我們鍵(Key)錯誤，無0這個鍵，因爲列索引，也就是鍵已經改成了a,b,c,d,e。對行也是如此。
用索引則可以輸出：
print(df["a"][1])
ServiceCodes
下面測試行索引：首先介紹參數 index_col，該參數是指定某一列爲行索引，指定時可以使用標籤索引或數字索引。
df = pd.read_csv(path2, header=None, names=list('abcde'), index_col=4)
df = pd.read_csv(path2, header=None, names=list('abcde'), index_col='e')
print(df)
a b c d
e
A ServiceLogs 98706832行x14列 8.77 GB 交易日誌數據，每個交易會話可以有多條交易
B ServiceCodes 286行×8列 20 KB 交易分類的字典表
對於列來說不同點就是，可以使用即使指定了標籤，也可以使用標籤或者數字進行索引。
print(df["a"][1])
print(df["a"]["B"])
ServiceCodes
ServiceCodes
4 如何查找DataFrame的數據？
對於很多人來說先 “列”，後 “行”的索引方法，是不舒服的，但是實際上DataFrame內置有很多函數來查找取值。
at——通過行標籤索引行數據（單個）
iat——通過行號索引行數據 （單個）
loc——通過行標籤索引行數據 （切片）
iloc——通過行號索引行數據 （切片）
ix——通過行標籤或者行號索引行數據（基於loc和iloc 的混合） （切片）
同理，索引列數據也是如此！
at:
print(df.at["A", "a"])
ServiceLogs
print(df.at["A", 1])
raise ValueError("At based indexing on an non-integer "
ValueError: At based indexing on an non-integer index can only have non-integer indexers
提醒我們at函數必須要標籤索引，必需是非整型的參數。
iat：
print(df.iat[0, 1])
98706832行x14列
print(df.iat[0, "b"])
raise ValueError("iAt based indexing can only have integer "
ValueError: iAt based indexing can only have integer indexers
提醒我們iat函數必須要行號索引，必需是整型的參數。
print(df.iat[0:1, 1])
raise ValueError("iAt based indexing can only have integer "
ValueError: iAt based indexing can only have integer indexers
print(df.iat[0, 0:1])
raise ValueError("iAt based indexing can only have integer "
ValueError: iAt based indexing can only have integer indexers
print(df.at["A", "a":"e"])
TypeError: unhashable type
print(df.at["A":"B", "a"])
TypeError: 'slice('A', 'B', None)' is an invalid key
不能使用切片代表。
iloc:
print(df.iloc[0, 1])
98706832行x14列
print(df.iloc[0, 1:2])
b 98706832行x14列
Name: A, dtype: object
支持單個數值和切片，切片操作輸出行列標籤和類型。
print(df.iloc["A", "b"])
print(df.iloc["A":"B", "b"])
ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types
基於位置的索引只能是整數及整數切片， 前一個數值包括，後一個數值不包括。
loc:
print(df.loc["A", "b"])
98706832行x14列
print(df.loc["A":"B", "b"])
e
A 98706832行x14列
B 286行×8列
Name: b, dtype: object
print(df.loc["A", "b":"e"])
b 98706832行x14列
c 8.77 GB
d 交易日誌數據，每個交易會話可以有多條交易
Name: A, dtype: object
print(df.loc["A":"B", "b":"e"])
b c d
e
A 98706832行x14列 8.77 GB 交易日誌數據，每個交易會話可以有多條交易
B 286行×8列 20 KB 交易分類的字典表
注意：標籤的索引是包括開頭和結尾的標籤。同樣給出行列標籤和類型。以切片方向爲主。
但不能用行號索引:
print(df.loc[0, 1])
TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <type 'int'>
print(df.loc[0, 1:2])
TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <type 'int'>
ix:可以實現上述所有操作。
print(df.ix[0, 1])
98706832行x14列
print(df.ix[0, 0:2])
a ServiceLogs
b 98706832行x14列
Name: A, dtype: object
print(df.ix["A", "b"])
98706832行x14列
print(df.ix["A":"B", "b"])
e
A 98706832行x14列
B 286行×8列
Name: b, dtype: object
at及iat必須要具體位置，不能輸出一行或一列。其他操作可以直接輸出一行或一列。方括號嵌套方括號是選值。
df['a']#取a列
df[['a','b']]#取a、b列
#ix可以用數字索引，也可以用index和column索引
row0 = df.ix[0]#取第0行
row1 = df.ix[0:1]#取第0行
# print(row1)
a = df.ix['one':'two']#取one、two行
# print(a)
b = df.ix[0:2,0]#取第0、1行，第0列
# print(b)
c = df.ix[0:1,'a']#取第0行，a列
print(c)
d = df.ix[0:2,'a':'c']#取第0、1行，abc列
print(d)
c = df.ix['one':'two','a':'c']#取one、two行，abc列
# print(c)
d = df.ix[0:2,0:1]#取第0、1行，第0列
# print(d)
e = df.ix[0:2,0:2]#取第0、1行，第0、1列
# print(e)
#loc只能通過index和columns來取，不能用數字
f = df.loc['one','a']#one行，a列
print(f)
df.loc['one':'two','a']#one到two行，a列
df.loc['one':'two','a':'c']#one到two行，a到c列
df.loc['one':'two',['a','c']]#one到two行，ac列
#iloc只能用數字索引，不能用索引名
g = df.iloc[1:2]#前2行
print(g)
df.iloc[0]#第0行
df.iloc[0:2,0:2]#0、1行，0、1列
df.iloc[[0,2],[1,2,3]]#第0、2行，1、2、3列
#iat取某個單值,只能數字索引
df.iat[1,1]#第1行，1列
#at取某個單值,只能index和columns索引
df.at['one','a']#one行，a列
c d e
a 1 2 3
b 4 5 6
print df.loc['a']
print df.ix['a']
c 1
d 2
e 3
Name: a, dtype: int64
print df.iloc[1]
print df.ix[1]
c 4
d 5
e 6
Name: b, dtype: int64
print df.at['a']
return self.obj.get_value(*key, takeable=self._takeable)
TypeError: get_value() takes at least 3 arguments (3 given)
print df.iat[1]
return self.obj.get_value(*key, takeable=self._takeable)
TypeError: get_value() takes at least 3 arguments (3 given)
其中取多列可以用print df.ix[:,0:2]。