pandas的DataFrame的行列选择
Pandas可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。相关函数如下：
1）loc，基于列label，可选取特定行（根据行index）；
2）iloc，基于行/列的position；
3）at，根据指定行index及列label，快速定位DataFrame的元素；
4）iat，与at类似，不同的是根据position来定位的；
5）ix，为loc与iloc的混合体，既支持label也支持position；
The simplified rules of indexing are
- Use
locfor label-based indexing - Use
ilocfor positional indexing
# -*- coding:utf-8 -*-
import pandas as pd
df = pd.read_csv('./iris_training.csv', low_memory=False)
print(df.head(10))
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
1 5.0 2.3 3.3 1.0 1
2 4.9 2.5 4.5 1.7 2
3 4.9 3.1 1.5 0.1 0
4 5.7 3.8 1.7 0.3 0
5 4.4 3.2 1.3 0.2 0
6 5.4 3.4 1.5 0.4 0
7 6.9 3.1 5.1 2.3 2
8 6.7 3.1 4.4 1.4 1
9 5.1 3.7 1.5 0.4 0"""行选择
Pandas进行行选择一般有三种方法：
- 连续多行的选择用类似于python的列表切片
- loc通过行标签索引来确定行的
- iloc通过行号索引来确定行
# 第一种，使用类似于python的列表切片
print(df[0:5])
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
1 5.0 2.3 3.3 1.0 1
2 4.9 2.5 4.5 1.7 2
3 4.9 3.1 1.5 0.1 0
4 5.7 3.8 1.7 0.3 0 """
print(df[0:5:2])
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
2 4.9 2.5 4.5 1.7 2
4 5.7 3.8 1.7 0.3 0 """# 第二种，按照指定的索引选择一行或多行，使用loc[]方法
# .loc可以不加列名，则是行选择
ser = df.loc[0]
print(ser)
"""
120 6.4
4 2.8
setosa 5.6
versicolor 2.2
virginica 2.0
Name: 0, dtype: float64 """
maser = df.loc[0:5] # 包括了5，它与第一种的列表索引最大的不同是包含了索引号为5的那一行数据
print(maser)
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
1 5.0 2.3 3.3 1.0 1
2 4.9 2.5 4.5 1.7 2
3 4.9 3.1 1.5 0.1 0
4 5.7 3.8 1.7 0.3 0
5 4.4 3.2 1.3 0.2 0 """
print(df.loc[0:5:2])
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
2 4.9 2.5 4.5 1.7 2
4 5.7 3.8 1.7 0.3 0 """
print(df.loc[[0, 5]])
""" 选择特定的行
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
5 4.4 3.2 1.3 0.2 0 """# 第三种，按照指定的位置选择一行多多行，使用iloc[]方法
# .iloc可以不加第几列，则是行选择
# 在上面的数据中，使用iloc[]和loc[]的效果是一样的，因为索引号都是从0开始并且连续不断
df2 = df.drop([1,2], axis=0)
print(df2.head(10))
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
3 4.9 3.1 1.5 0.1 0
4 5.7 3.8 1.7 0.3 0
5 4.4 3.2 1.3 0.2 0
6 5.4 3.4 1.5 0.4 0
7 6.9 3.1 5.1 2.3 2
8 6.7 3.1 4.4 1.4 1
9 5.1 3.7 1.5 0.4 0
10 5.2 2.7 3.9 1.4 1
11 6.9 3.1 4.9 1.5 1 """
print(df2.loc[[0, 1]])
"""
Passing list-likes to .loc or [] with any missing label will raise
KeyError in the future, you can use .reindex() as an alternative.
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2.0
1 NaN NaN NaN NaN NaN"""
print(df2.loc[0:5])
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
3 4.9 3.1 1.5 0.1 0
4 5.7 3.8 1.7 0.3 0
5 4.4 3.2 1.3 0.2 0 """
print(df2.iloc[[0, 1]])
"""
120 4 setosa versicolor virginica
0 6.4 2.8 5.6 2.2 2
3 4.9 3.1 1.5 0.1 0 """列选择
# 通过列名选择单列
print(df['120'])
"""
0 6.4
1 5.0
2 4.9
3 4.9
4 5.7
5 4.4
...
115 5.5
116 5.7
117 4.4
118 4.8
119 5.5
Name: 120, Length: 120, dtype: float64"""
# 通过列名选择多列
print(df[['120', 'setosa']])
"""
120 setosa
0 6.4 5.6
1 5.0 3.3
2 4.9 4.5
3 4.9 1.5
4 5.7 1.7
5 4.4 1.3
.. ... ...
115 5.5 4.4
116 5.7 4.2
117 4.4 1.4
118 4.8 1.4
119 5.5 3.7
[120 rows x 2 columns] """
# 如果没有列名
# df[df.columns[0]]行列选择
# print(df.loc[1:3, [2, 3]]) #.loc仅支持列名操作
# KeyError: 'None of [[2, 3]] are in the [columns]'
print(df.loc[1:3, ['120', 'setosa']])
"""
120 setosa
1 5.0 3.3
2 4.9 4.5
3 4.9 1.5 """
print(df.loc[1:3, '120': 'setosa'])
"""
120 4 setosa
1 5.0 2.3 3.3
2 4.9 2.5 4.5
3 4.9 3.1 1.5 """
print(df.iloc[1:3, [1, 2]])
"""
4 setosa
1 2.3 3.3
2 2.5 4.5 """
print(df.iloc[1:3, 1:3])
"""
4 setosa
1 2.3 3.3
2 2.5 4.5 """总结
1）.loc,.iloc,.ix,只加第一个参数如.loc([1,2]),.iloc([2:3]),.ix[2]…则进行的是行选择
2）.loc,.at，选列是只能是列名，不能是position
3）.iloc,.iat，选列是只能是position，不能是列名
4）df[]只能进行行选择，或列选择，不能同时进行列选择，列选择只能是列名。
参考：
https://blog.csdn.net/LY_ysys629/article/details/55224284
https://www.cnblogs.com/kylinlin/p/5231404.html