拍了拍你，Python數據選取 —— 同時選擇行列方法盤點

前置知識補充：

布爾索引：指的是通過傳入一個判斷條件來選擇數據的方式，稱之爲布爾索引；
普通索引：通過選擇行/列名來選擇數據的方式，稱爲普通索引；
位置索引：通過傳入具體的位置來選擇數據的方式稱爲位置索引；
切片索引：通過傳入一個位置區間來獲取數據的方式，稱爲切片索引；

準備示例數據：

# 創建一個Serise —— 傳入一個字典
d= {
    'name':['qinlu','lulu','qinqin','junjun'],
    'sex':['male','male','female','male'],
    'age':[18,19,22,25]
}

s= pd.DataFrame(d,index = ['A1','A2','A3','A4'])
s

-- 輸出結果：
	name	sex	age
A1	qinlu	male	18
A2	lulu	male	19
A3	qinqin	female	22
A4	junjun	male	25

方式1：布爾索引 + 普通索引選擇指定的行和列

布爾索引 + 普通索引是先對錶進行布爾索引選擇行，然後通過普通索引選擇列：

#case1：zjh-98
s[s['age']<=22] [['name','age']]
-- 輸出結果：
	name	age
A1	qinlu	18
A2	lulu	19
A3	qinqin	22

# 找到符合條件的行 —— 得到數據結構，其實本身也是個數據框
# 然後再在這個數據行下，選擇我們需要的列即可，因此，就完成了，對指定行、列進行選擇；

# case2：
# 在以上基礎上，只選擇某一列，數據結構就變成了Series;
s[s['age']<=22].name
-- 輸出結果：
A1     qinlu
A2      lulu
A3    qinqin
Name: name, dtype: object

# case3:
# 行、列索引放在同一個[]中，對行列同時選擇：
s.loc[s['age']<= 22,['name','age']]

-- 輸出結果：
	name	age
A1	qinlu	18
A2	lulu	19
A3	qinqin	22

注意需要使用loc，不能使用iloc，否則會出現以下報錯：
# 英：ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types漢：基於位置的索引只能具有[整數，整數切片（起始點爲INCLUDED，結束點爲EXCLUDED），類似整數的列表，布爾數組）類型

講完普通索引，我們再來講，使用“切片索引 + 切片索引”來選擇指定行和列的方式：

方式2：切片索引 + 切片索引選擇指定的行和列

切片索引 + 切片索引是同時傳入行、列索引的位置區間進行數據選擇。

# 選擇第1行到第3行，第1列到第2列
s.iloc[0:3,0:3]

-- 輸出：
	name	sex	age
A1	qinlu	male	18
A2	lulu	male	19
A3	qinqin	female	22

-- 常見錯誤1：
s.iloc[[0:3],[0:3]]
# 行列切片加上[]會出現報錯, SyntaxError: invalid syntax/無效的語法

-- 常見錯誤2： 
s.loc[0:3,0:3]]
# 位置索引注意需要使用iloc，不能使用loc，否則會出現以下報錯：英：cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'>; / 漢：無法使用<class'int'>的這些索引器[0]在<class'pandas.core.indexes.base.Index'>上進行切片索引

方式3：切片索引 + 普通索引選擇指定的行和列

如果是普通索引，就直接傳入行或列名，用loc方法即可；如果是切片索引，也就是傳入行或列名，用iloc方法即；如果是切片索引 + 普通索引，也就是行（列）用切片索引，列（行）用切片索引，列（行）用普通索引，看是否能夠選擇成功：

# case1：使用iloc發生報錯
s.iloc[0:3,['name','age']]

-- 輸出報錯：
# 報錯：英：IndexError: .iloc requires numeric indexers, got ['name' 'age']；漢：iloc需要數字索引器，得到['name''age']
# 原因分析：當使用行(列)名稱索引時，不能使用iloc方法；若使用iloc，必須要求行或列都嚴格使用數字或者切片進行索引；

# case2：使用loc出現報錯
s.loc[0:3,['name','age']]
-- 報錯：
#報錯：英：TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'> / 中：TypeError：無法使用<class'int'>的這些索引器[0]在<class'pandas.core.indexes.base.Index'>上進行切片索引

# 原因分析：有數字/切片的索引不能使用loc

# case3：使用ix出現報錯
s.ix[0:3,['name','age']]
# 報錯：英：AttributeError：“ DataFrame”對象沒有屬性“ ix”;/漢：AttributeError：“ DataFrame”對象沒有屬性“ ix”

# 原因分析：新版本的anconda目前已經不支持"ix"了！

結論： 新版本的Jupyter Notebook，目前已經不支持"ix"了！

方式4：位置索引 + 位置索引選擇指定行和列

# 位置索引：選擇第1,4行，第1,3列
s.iloc[[0,3],[0,2]]

-- 輸出結果：
	name	age
A1	qinlu	18
A4	junjun	25

# case1：索引超出
s.iloc[[1,2],[2,3]]
# 報錯：IndexError: positional indexers are out-of-bounds/漢：IndexError：位置索引器超出範圍；

# case2：s.loc[[0,3],[0,2]]
# 報錯：KeyError: "None of [Int64Index([0, 3], dtype='int64')] are in the [index]"/ 中文：KeyError：“ [Int64Index（[0，3]，dtype ='int64'）]都不在[索引]中”

# 原因分析：當使用位置索引 + 位置索引選擇指定行和列時，需要利用iloc方法傳入行列位置

方式5：普通索引 + 普通索引選擇指定行和列

# 普通索引 + 普通索引就是通過同時傳入行和列的索引名稱進行數據選擇，需要用到loc方法;
s.loc[['A1','A2','A4'],['name','age']]

-- 輸出結果：

	name	age
A1	qinlu	18
A2	lulu	19
A4	junjun	25

# 報錯：s.iloc[['A1','A2','A4'],['name','age']];英文：IndexError: .iloc requires numeric indexers, got ['A1' 'A2' 'A4'] 

# 原因分析：當使用普通索引 + 普通索引選擇指定行和列時，不能使用iloc