Pandas的 loc iloc ix 区别

[python] view plain copy

1. import pandas as pd    
2. data = [[1,2,3],[4,5,6]]    
3. index = [0,1]    
4. columns=['a','b','c']    
5. df = pd.DataFrame(data=data, index=index, columns=columns)    
6.   
7. 1. loc——通过行标签索引行数据  
8. df.loc[1]    
9. '''''''  
10. a    4  
11. b    5  
12. c    6  
13. '''    
14.   
15. 1.2 loc[‘d’]表示索引的是第’d’行（index 是字符）  
16. import pandas as pd    
17. data = [[1,2,3],[4,5,6]]    
18. index = ['d','e']    
19. columns=['a','b','c']    
20. df = pd.DataFrame(data=data, index=index, columns=columns)    
21. df.loc['d']    
22. '''''''  
23. a    1  
24. b    2  
25. c    3  
26. '''    
27.   
28. 1.3 如果想索引列数据，像这样做会报错  
29. print df.loc['a']    
30. '''''''  
31. KeyError: 'the label [a] is not in the [index]'  
32. '''    
33.   
34. 1.4 loc可以获取多行数据  
35. print df.loc['d':]    
36. '''''''  
37.    a  b  c  
38. d  1  2  3  
39. e  4  5  6  
40. '''    
41.   
42. 1.5 loc扩展——索引某行某列  
43.   
44. print df.loc['d',['b','c']]    
45. '''''''  
46. b    2  
47. c    3  
48. '''    
49.   
50. 1.6 loc扩展——索引某列  
51.   
52. print df.loc[:,['c']]    
53. '''''''  
54.    c  
55. d  3  
56. e  6  
57. '''    
58.   
59. 当然获取某列数据最直接的方式是df.[列标签]，但是当列标签未知时可以通过这种方式获取列数据。  
60.   
61. 需要注意的是，dataframe的索引[1:3]是包含1,2,3的，与平时的不同。  
62.   
63. 2. iloc——通过行号获取行数据  
64.   
65. 2.1 想要获取哪一行就输入该行数字  
66.   
67. df.iloc[1]    
68. '''''''  
69. a    4  
70. b    5  
71. c    6  
72. '''    
73.   
74. 2.2 通过行标签索引会报错  
75.   
76. print df.iloc['a']    
77. '''''''  
78. TypeError: cannot do label indexing on <class 'pandas.core.index.Index'> with these indexers [a] of <type 'str'>  
79. '''    
80.   
81. 2.3 同样通过行号可以索引多行  
82.   
83. df.iloc[0:]    
84. '''''''  
85.    a  b  c  
86. d  1  2  3  
87. e  4  5  6  
88. '''    
89.   
90. 2.4 iloc索引列数据  
91.   
92. df.iloc[:,[1]]    
93. '''''''  
94.    b  
95. d  2  
96. e  5  
97. '''    
98.   
99. 3. ix——结合前两种的混合索引  
100.   
101. 3.1 通过行号索引  
102.   
103. df.ix[1]    
104. '''''''  
105. a    4  
106. b    5  
107. c    6  
108. '''    
109.   
110. 3.2 通过行标签索引  
111.   
112. df.ix['e']    
113. '''''''  
114. a    4  
115. b    5  
116. c    6  
117. '''