pandas行和列的获取

DataFrame的行和列：df[‘行’, ‘列’]

DataFrame行和列的获取分三个维度

• 行和列选取：df[]，一次只能选取行或列
• 区域选取：df.loc[], df.iloc[], df.ix[]，可以同时为行或列设置筛选条件
• 单元格选取：df.at[], df.iat[]，准确选取某个单元格

先随机生成一个dataframe

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(10,5), index=list('abcdefghij'), columns=list('ABCDE'))
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
c	-0.359802	-2.049489	-0.615742	-1.953994	0.685243
d	0.232557	1.768284	-0.447015	2.373358	1.220536
e	-0.997380	-0.447236	0.632368	-0.352590	-0.064736
f	-1.220178	-0.314304	1.202184	0.018326	1.072153
g	-1.508916	0.380466	0.359506	-0.742657	-0.373764
h	1.031420	-3.236676	0.444769	1.396802	-0.405590
i	0.166133	-0.051614	-0.146943	0.609431	-0.351814
j	1.857521	-0.159101	0.899745	1.108722	-0.615379

1. 行和列的获取

1.1 根据索引获取行

• 获取前3行数据

df[:3]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
c	-0.359802	-2.049489	-0.615742	-1.953994	0.685243

• 获取第2到3行数据

df[1:3] # 前闭后开
df['b':'c'] # # 前闭后闭
# Output
	   A	        B	       C	        D	        E
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
c	-0.359802	-2.049489	-0.615742	-1.953994	0.685243

• 获取特定行数据

# 布尔数组 (数组长度需等于行数)
df[[True,False,True,False,False,False, True, True, False, True]]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
c	-0.359802	-2.049489	-0.615742	-1.953994	0.685243
g	-1.508916	0.380466	0.359506	-0.742657	-0.373764
h	1.031420	-3.236676	0.444769	1.396802	-0.405590
j	1.857521	-0.159101	0.899745	1.108722	-0.615379

1.2 根据条件获取行

• 获取A列大于0的行

df[df.A > 0]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
d	0.232557	1.768284	-0.447015	2.373358	1.220536
h	1.031420	-3.236676	0.444769	1.396802	-0.405590
i	0.166133	-0.051614	-0.146943	0.609431	-0.351814
j	1.857521	-0.159101	0.899745	1.108722	-0.615379

• 获取A列和B列大于0的行

df[(df.A > 0) & (df.B > 0)]
# Output
	   A	        B	       C	        D	        E
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
d	0.232557	1.768284	-0.447015	2.373358	1.220536

• 获取A列或列大于0的行

df[(df.A > 0) | (df.B > 0)]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
d	0.232557	1.768284	-0.447015	2.373358	1.220536
g	-1.508916	0.380466	0.359506	-0.742657	-0.373764
h	1.031420	-3.236676	0.444769	1.396802	-0.405590
i	0.166133	-0.051614	-0.146943	0.609431	-0.351814
j	1.857521	-0.159101	0.899745	1.108722	-0.615379

1.3 获取列

# 获取A列
df['A'] # 输出为Series类型
df[['A']] # 输出为DataFrame类型

# 获取A列和B列
df[['A', 'B']]
df[df.columns[0:2]]

2. 区域选取

• df.loc[] 只能使用标签索引，不能使用整数索引，通过便签索引切边进行筛选时，前闭后闭。
• df.iloc[] 只能使用整数索引，不能使用标签索引，通过整数索引切边进行筛选时，前闭后开。
• df.ix[]既可以使用标签索引，也可以使用整数索引。

2.1 df.loc[]

pandas.DataFrame.loc 官方文档

2.1.1 行选取

• 获取a行

# 输出为Series类型
df.loc['a']
df.loc['a', :]
# Output
A    0.299206
B   -0.383297
C   -0.931467
D   -0.591609
E   -1.131105
Name: a, dtype: float64

# 输出为DataFrame类型
df.loc[['a']]
df.loc[['a'], :]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105

• 获取a, b, d行

# 使用标签索引
df.loc[['a', 'b', 'd']]
df.loc[['a', 'b', 'd'], :]
# 使用布尔数组
df[[True, True, False, True, False, False, False, True, False, True]]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
d	0.232557	1.768284	-0.447015	2.373358	1.220536

• 获取a到d行

df.loc['a':'d', :]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
c	-0.359802	-2.049489	-0.615742	-1.953994	0.685243
d	0.232557	1.768284	-0.447015	2.373358	1.220536

• 选取A列大于0的行

df.loc[df.A > 0]
df.loc[df.A > 0, :]
# Output
	   A	        B	       C	        D	        E
a	0.299206	-0.383297	-0.931467	-0.591609	-1.131105
b	0.074351	0.791849	1.637467	-1.408712	-1.376527
d	0.232557	1.768284	-0.447015	2.373358	1.220536
h	1.031420	-3.236676	0.444769	1.396802	-0.405590
i	0.166133	-0.051614	-0.146943	0.609431	-0.351814
j	1.857521	-0.159101	0.899745	1.108722	-0.615379

2.1.2 列选取

# 选取A列
df.loc[:, 'A']
# 选取A列和C列
df.loc[:, ['A', 'C']]
# 选取A列到C列
df.loc[:, 'A':'C']

2.1.3 同时选取行和列

# 选取c行B列的值
df.loc['c', 'B']
# 选取A列和B列同时大于0的C列和D列
df.loc[((df.A > 0) & (df.B > 0)), ['C', 'D']]

2.1.4 行和列的赋值

# 令a行为10
df.loc['a', :] = 10
# 令B列为50
df.loc[:, 'B'] = 50
# 令b, c行的C到F列为30
df.loc[['b', 'c'], 'C':'F'] = 30
# 令C列小于0的行赋值为0
df.loc[df.C < 0] = 0

2.1.5 多重索引

Example

tuples = [
   ('cobra', 'mark i'), ('cobra', 'mark ii'),
   ('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),
   ('viper', 'mark ii'), ('viper', 'mark iii')
]
index = pd.MultiIndex.from_tuples(tuples)
values = [[12, 2], [0, 4], [10, 20],
        [1, 4], [7, 1], [16, 36]]

df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)
# Output
df
                     max_speed  shield
cobra      mark i           12       2
           mark ii           0       4
sidewinder mark i           10      20
           mark ii           1       4
viper      mark ii           7       1
           mark iii         16      36

df.loc['cobra']
         max_speed  shield
mark i          12       2
mark ii          0       4

# return a Series
df.loc[('cobra', 'mark ii')] 
max_speed    0
shield       4
Name: (cobra, mark ii), dtype: int64

# return a dataframe
df.loc[[('cobra', 'mark ii')]]
               max_speed  shield
cobra mark ii          0       4

# return a Series
df.loc['cobra', 'mark i']
max_speed    12
shield        2
Name: (cobra, mark i), dtype: int64

df.loc[('cobra', 'mark i'), 'shield']
2

df.loc[('cobra', 'mark i'):'viper']
                     max_speed  shield
cobra      mark i           12       2
           mark ii           0       4
sidewinder mark i           10      20
           mark ii           1       4
viper      mark ii           7       1
           mark iii         16      36

df.loc[('cobra', 'mark i'):('viper', 'mark ii')]
                    max_speed  shield
cobra      mark i          12       2
           mark ii          0       4
sidewinder mark i          10      20
           mark ii          1       4
viper      mark ii          7       1

2.2 df.iloc[ ]

pandas.DataFrame.iloc 官方文档

2.2.1 行选取

• 选取第二行

# return a Series
df.iloc[1]
df.iloc[1, :]
# return a dataframe
df.iloc[[1]]
df.iloc[[1], :]

• 选取前三行

df.iloc[:3, :]
df.iloc[:3]

• 选取第一、三、五行

df.iloc[[1, 3, 5]]
df.iloc[[1, 3, 5], :]

2.2.2 列选取

• 选取第二列

df.iloc[:, 1]

• 选取前三列

df.iloc[:, 0:3]
df.iloc[:,:3]

• 选取第一三四列

df.iloc[:, [0, 2, 3]]

2.2.3 同时选取行和列

• 选取第一行第二列的值

df.iloc[0, 1]

• 选取第二三行的第二到四列

df.iloc[[1,2], 1:4]

2.3 df.ix[ ]

可以混合标签索引和整数索引

However, when an axis is integer based, ONLY label based access and not positional access is supported. Thus, in such cases, it’s usually better to be explicit and use .iloc or .loc.

3. 单元格选取

• df.at[ ] 只能使用标签索引
• df.iat[ ] 只能使用整数索引

3.1 df.at[]

pandas.DataFrame.at 官方文档

• 获取c行C列的值

df.at['c', 'C']

• 把c行C列赋值为10

df.at['c', 'C'] = 10

3.2 df.iat[]

pandas.DataFrame.iat 官方文档

• 获取第三行第三列的值

df.iat[2, 2]

• 把第三行第三列赋值为10

df.iat[2, 2] = 10