pandas中的切片函数: .iloc()、.loc()、.ix() 的区别

pandas中的切片函数:.iloc()、.loc()、.ix()

1、首先创建一个DataFrame

In [3]:

import pandas as pd
data = {'a':[11,22,33,44],
       'b':['aa','bb','cc','dd'],
       'c':[9,8,7,6],
        'd':[1,2,3,4]
       }
df = pd.DataFrame(data)
df

Out[3]:

	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

1、 .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

In [4]:

df.iloc[0]  #第一行

Out[4]:

a    11
b    aa
c     9
d     1
Name: 0, dtype: object

2、选取多行数据

In [20]:

df.iloc[0:3]  #取 0 - 2 行的数据

Out[20]:

	a	b	c	d
0	11	aa	9	1
1	22	bb	8	2
2	33	cc	7	3

3、按照列号选取某列，如选取第二列

In [21]:

df.iloc[:,[1]]  #第2列的所有行

Out[21]:

	b
0	aa
1	bb
2	cc
3	dd

4、按照行号选取某行某列，比如选取第0行第2列

In [22]:

df.iloc[0:1,[1]]

Out[22]:

	b
0	aa

5、根据行号选取多行多列，比如选取第0-2行第0-2列

In [23]:

df.iloc[0:2,[0,1]]

Out[23]:

	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

1、选取第1行数据

In [26]:

df.iloc[0]  #选取第1行 因为第1行的行号是0所以和iloc效果相同

Out[26]:

a    11
b    aa
c     9
d     1
Name: 0, dtype: object

In [28]:

#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 = pd.DataFrame(data,index = ['a','b','c','d'])
df1

Out[28]:

	a	b	c	d
a	11	aa	9	1
b	22	bb	8	2
c	33	cc	7	3
d	44	dd	6	4

2、按标签选取第b行

In [29]:

df1.loc['b']

Out[29]:

a    22
b    bb
c     8
d     2
Name: b, dtype: object

3、按标签选取多行

In [30]:

df1.loc['b':]

Out[30]:

	a	b	c	d
b	22	bb	8	2
c	33	cc	7	3
d	44	dd	6	4

4、按标签选取某列

In [31]:

df1.loc[:,['a']] #   :是所有行  a是第a列

Out[31]:

	a
a	11
b	22
c	33
d	44

5、按标签选取多列

In [33]:

df1.loc[:,['a','b']]

Out[33]:

	a	b
a	11	aa
b	22	bb
c	33	cc
d	44	dd

6、按标签选取某行某列

In [34]:

df1.loc['a',['b','c']]  #a行的 第b，c 列元素

Out[34]:

b    aa
c     9
Name: a, dtype: object

ix 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

1、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

2、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

3、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

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

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