5分钟学会Pandas中iloc/loc/ix区别
早起python
点关注和我一起学Python
大家好，在使用pandas进行数据分析过程中，回想一下你是怎么对一个数据集进行数据切片，是不是百度：pandas如何提取第x行数据，然后根据一堆结果找到一个能用的就完事了，那么你一定会迷失在pandas中的切片函数:.iloc()、.loc()、.ix()中，本文就是为了解决这个问题，通过一个简单的DataFrame彻底搞明白这三个函数到底有什么区别，又该怎么使用。
首先我们创建一个DataFrame用于讲解????
data = {'a':[11,22,33,44],
'b':['aa','bb','cc','dd'],
'c':[9,8,7,6],
'd':[1,2,3,4]
}
df = DataFrame(data)
df
| a | b | c | d | |
|---|---|---|---|---|
| 0 | 11 | aa | 9 | 1 |
| 1 | 22 | bb | 8 | 2 |
| 2 | 33 | cc | 7 | 3 |
| 3 | 44 | dd | 6 | 4 |
iloc：通过行/列号选取数据
.iloc就是通过行/列号来选取数据，比如我们可以这样来选取第0行数据????
df.iloc[0]a 11
b aa
c 9
d 1
Name: 0, dtype: object
也可以按照行号选取多行数据????df.iloc[0:2]| a | b | c | d | |
|---|---|---|---|---|
| 0 | 11 | aa | 9 | 1 |
| 1 | 22 | bb | 8 | 2 |
也可按照列号选取某列，如选取第二列
df.iloc[:,[1]]| b | |
|---|---|
| 0 | aa |
| 1 | bb |
| 2 | cc |
| 3 | dd |
当然也可以按照行号选取某行某列，比如选取第0行第2列
df.iloc[0:1,[1]]| b | |
|---|---|
| 0 | aa |
当然也可以根据行号选取多行多列，比如选取第0-2行第0-2列
df.iloc[0:2,[0,1]]| a | b | |
|---|---|---|
| 0 | 11 | aa |
| 1 | 22 | bb |
loc通过标签选取数据
.loc()函数是通过标签选取数据，如果搞不懂什么是标签什么是位置????
比如我们选取第1行数据
df.loc[0] #选取第1行 因为第1行的行号是0所以和iloc效果相同a 11
b aa
c 9
d 1
Name: 0, dtype: object再创建一个df1用于示例
data = {'a':[11,22,33,44],
'b':['aa','bb','cc','dd'],
'c':[9,8,7,6],
'd':[1,2,3,4]
}
df1 = DataFrame(data,index = ['a','b','c','d'])
df1
| a | b | c | d | |
|---|---|---|---|---|
| a | 11 | aa | 9 | 1 |
| b | 22 | bb | 8 | 2 |
| c | 33 | cc | 7 | 3 |
| d | 44 | dd | 6 | 4 |
按标签选取第b行
df1.loc['b']a 22
b bb
c 8
d 2
Name: b, dtype: object按标签选取多行????
df1.loc['b':]| a | b | c | d | |
|---|---|---|---|---|
| b | 22 | bb | 8 | 2 |
| c | 33 | cc | 7 | 3 |
| d | 44 | dd | 6 | 4 |
按标签选取某列????
df1.loc[:,['a']] #通过标签选取某列| a | |
|---|---|
| a | 11 |
| b | 22 |
| c | 33 |
| d | 44 |
按标签选取多列????
df1.loc[:,['a','b']]| a | b | |
|---|---|---|
| a | 11 | aa |
| b | 22 | bb |
| c | 33 | cc |
| d | 44 | dd |
按标签选取某行某列????
df1.loc['a',['b','c']]b aa
c 9
Name: a, dtype: objectix 简单粗暴 混合使用
ix就是把iloc和loc语法综合了，爱用哪个用哪个，不过在有些版本的pandas中取消了ix函数，我们再看一下df????
df| a | b | c | d | |
|---|---|---|---|---|
| 0 | 11 | aa | 9 | 1 |
| 1 | 22 | bb | 8 | 2 |
| 2 | 33 | cc | 7 | 3 |
| 3 | 44 | dd | 6 | 4 |
使用ix可以像iloc通过行号选取????
df.ix[1]a 22
b bb
c 8
d 2
Name: 1, dtype: object也可以像loc通过标签选取????
df1.ix['a']a 11
b aa
c 9
d 1
Name: a, dtype: object可以通过行号选取指定位置的数据????
df1.ix[3,3] #通过行号选取指定位置的数据4可以通过标签选取指定位置的数据????
df1.ix['a','a'] #通过标签选取指定位置的数据11
按照条件选取数据掌握了上面的方法我们就可以按照条件选取数据，比如通过单个条件选取数据
df1.loc[df1['a']==11]| a | b | c | d | |
|---|---|---|---|---|
| a | 11 | aa | 9 | 1 |
也可以通过多个条件选取数据
df1.loc[(df1['a']==11)&(df1['d']==1)]| a | b | c | d | |
|---|---|---|---|---|
| a | 11 | aa | 9 | 1 |
以上就是pandas中数据切片函数.loc()、.iloc()、.ix()的区别与用法，学会了吗？更多的pandas学习可以使用Pandas进阶修炼120题，正在更新中。点击给我留言