pandas中Dataframe的查询方法（[], loc, iloc, at, iat, ix）

目录(?)[-]

1. 数据介绍
2. 切片方法
3. loc
4. iloc
5. at
6. iat
7. ix

pandas为我们提供了多种切片方法，而要是不太了解这些方法，就会经常容易混淆。下面举例对这些切片方法进行说明。

数据介绍

先随机生成一组数据：

In [5]: rnd_1 = [random.randrange(1,20) for x in xrange(1000)]   ...: rnd_2 = [random.randrange(1,20) for x in xrange(1000)]   ...: rnd_3 = [random.randrange(1,20) for x in xrange(1000)]   ...: fecha = pd.date_range('2012-4-10', '2015-1-4')   ...:    ...: data = pd.DataFrame({'fecha':fecha, 'rnd_1': rnd_1, 'rnd_2': rnd_2, 'rnd_3': rnd_3})In [6]: data.describe()Out[6]:              rnd_1        rnd_2        rnd_3count  1000.000000  1000.000000  1000.000000mean      9.946000     9.825000     9.894000std       5.553911     5.559432     5.423484min       1.000000     1.000000     1.00000025%       5.000000     5.000000     5.00000050%      10.000000    10.000000    10.00000075%      15.000000    15.000000    14.000000max      19.000000    19.000000    19.000000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

[]切片方法

使用方括号能够对DataFrame进行切片，有点类似于Python的列表切片。按照索引能够实现行选择或列选择或区块选择。

# 行选择In [7]: data[1:5]Out[7]:        fecha  rnd_1  rnd_2  rnd_31 2012-04-11      1     16      32 2012-04-12      7      6      13 2012-04-13      2     16      74 2012-04-14      4     17      7# 列选择In [10]: data[['rnd_1', 'rnd_3']]Out[10]:      rnd_1  rnd_30        8     121        1      32        7      13        2      74        4      75       12      86        2     127        9      88       13     179        4      710      14     1411      19     1612       2     1213      15     1814      13     1815      13     1116      17      717      14     1018       9      619      11     1520      16     1321      18      922       1     1823       4      324       6     1125       2     1326       7     1727      11      828       3     1229       4      2..     ...    ...970      8     14971     19      5972     13      2973      8     10974      8     17975      6     16976      3      2977     12      6978     12     10979     15     13980      8      4981     17      3982      1     17983     11      5984      7      7985     13     14986      6     19987     13      9988      3     15989     19      6990      7     11991     11      7992     19     12993      2     15994     10      4995     14     13996     12     11997     11     15998     17     14999      3      8[1000 rows x 2 columns]# 区块选择In [11]: data[:7][['rnd_1', 'rnd_2']]Out[11]:    rnd_1  rnd_20      8     171      1     162      7      63      2     164      4     175     12     196      2      7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88

不过对于多列选择，不能像行选择时一样使用1：5这样的方法来选择。

In [12]: data[['rnd_1':'rnd_3']]  File "<ipython-input-13-6291b6a83eb0>", line 1    data[['rnd_1':'rnd_3']]                 ^SyntaxError: invalid syntax
1
2
3
4
5
1
2
3
4
5

loc

loc可以让你按照索引来进行行列选择。

In [13]: data.loc[1:5]Out[13]:        fecha  rnd_1  rnd_2  rnd_31 2012-04-11      1     16      32 2012-04-12      7      6      13 2012-04-13      2     16      74 2012-04-14      4     17      75 2012-04-15     12     19      8
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8

这里需要注意的是，loc与第一种方法不同之处在于会把第5行也选择进去，而第一种方法只会选择到第4行为止。

data.loc[2:4, ['rnd_2', 'fecha']]Out[14]:    rnd_2      fecha2      6 2012-04-123     16 2012-04-134     17 2012-04-14
1
2
3
4
5
6
1
2
3
4
5
6

loc能够选择在两个特定日期之间的数据，需要注意的是这两个日期必须都要在索引中。

In [15]: data_fecha = data.set_index('fecha')    ...: data_fecha.head()Out[15]:             rnd_1  rnd_2  rnd_3fecha                          2012-04-10      8     17     122012-04-11      1     16      32012-04-12      7      6      12012-04-13      2     16      72012-04-14      4     17      7In [16]: # 生成两个特定日期    ...: fecha_1 = dt.datetime(2013, 4, 14)    ...: fecha_2 = dt.datetime(2013, 4, 18)    ...:     ...: # 生成切片数据    ...: data_fecha.loc[fecha_1: fecha_2]Out[16]:             rnd_1  rnd_2  rnd_3fecha                          2013-04-14     17     10      52013-04-15     14      4      92013-04-16      1      2     182013-04-17      9     15      12013-04-18     16      7     17
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

更新：如果没有特殊需求，强烈建议使用loc而尽量少使用[]，因为loc在对DataFrame进行重新赋值操作时会避免chained indexing问题，使用[]时编译器很可能会给出SettingWithCopy的警告。具体可以参见官方文档：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

iloc

如果说loc是按照索引（index）的值来选取的话，那么iloc就是按照索引的位置来进行选取。iloc不关心索引的具体值是多少，只关心位置是多少，所以使用iloc时方括号中只能使用数值。

# 行选择In [17]: data_fecha[10: 15]Out[17]:             rnd_1  rnd_2  rnd_3fecha                          2012-04-20     14      6     142012-04-21     19     14     162012-04-22      2      6     122012-04-23     15      8     182012-04-24     13      8     18# 列选择In [18]: data_fecha.iloc[:,[1,2]].head()Out[18]:             rnd_2  rnd_3fecha                   2012-04-10     17     122012-04-11     16      32012-04-12      6      12012-04-13     16      72012-04-14     17      7# 切片选择In [19]: data_fecha.iloc[[1,12,34],[0,2]]Out[19]:             rnd_1  rnd_3fecha                   2012-04-11      1      32012-04-22      2     122012-05-14     17     10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

at

at的使用方法与loc类似，但是比loc有更快的访问数据的速度，而且只能访问单个元素，不能访问多个元素。

In [20]: timeit data_fecha.at[fecha_1,'rnd_1']The slowest run took 3783.11 times longer than the fastest. This could mean that an intermediate result is being cached.100000 loops, best of 3: 11.3 µs per loopIn [21]: timeit data_fecha.loc[fecha_1,'rnd_1']The slowest run took 121.24 times longer than the fastest. This could mean that an intermediate result is being cached.10000 loops, best of 3: 192 µs per loopIn [22]: data_fecha.at[fecha_1,'rnd_1']Out[22]: 17
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

iat

iat对于iloc的关系就像at对于loc的关系，是一种更快的基于索引位置的选择方法，同at一样只能访问单个元素。

In [23]: data_fecha.iat[1,0]Out[23]: 1In [24]: timeit data_fecha.iat[1,0]The slowest run took 6.23 times longer than the fastest. This could mean that an intermediate result is being cached.100000 loops, best of 3: 8.77 µs per loopIn [25]: timeit data_fecha.iloc[1,0]10000 loops, best of 3: 158 µs per loop
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

ix

以上说过的几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。

In [28]: date_1 = dt.datetime(2013, 1, 10, 8, 30)    ...: date_2 = dt.datetime(2013, 1, 13, 4, 20)    ...:     ...: # 生成切片数据    ...: data_fecha.ix[date_1: date_2]Out[28]:             rnd_1  rnd_2  rnd_3fecha                          2013-01-11     19     17     192013-01-12     10      9     172013-01-13     15      3     10
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11

如上面的例子所示，2013年1月10号并没有被选择进去，因为这个时间点被看作为0点0分，比8点30分要早一些。