博客

行列选择

以如下数据为例：

import pandas as pd
df = pd.DataFrame({'A':[1,2,3,7,8,9],'B':[4,5,6,8,9,5],'C':[7,8,10,3,7,7]},index=['a','b','c','d','e','f'])

目前已掌握三种行列筛选的方法：iloc()、loc()、ix()。其共同点是：


1、用[,]表示筛选范围，逗号前为行的选择，逗号后为列的选择。

#筛选A/B两列的前五行
print('--------------------------------------iloc方法---------------------------------------------------')
#iloc方法
print(df.iloc[:5,[0,1]])
print('-------------------------------------loc方法----------------------------------------------------')
#loc方法
print(df.loc[['a','b','c','d','e'],['A','B']])
print('-------------------------------------ix方法----------------------------------------------------')
#ix方法
print(df.ix[:5,['A','B']])

2、只筛选行，可以不使用逗号。

#筛选前五行
print('--------------------------------------iloc方法---------------------------------------------------')
#iloc方法
print(df.iloc[:5])
print('-------------------------------------loc方法----------------------------------------------------')
#loc方法
print(df.loc[['a','b','c','d','e']])
print('-------------------------------------ix方法----------------------------------------------------')
#ix方法
print(df.ix[:5])

3、只筛选列，需在逗号前用冒号表示。

#筛选A/B两列
print('--------------------------------------iloc方法---------------------------------------------------')
#iloc方法
print(df.iloc[:,[0,1]])
print('-------------------------------------loc方法----------------------------------------------------')
#loc方法
print(df.loc[:,['A','B']])
print('-------------------------------------ix方法----------------------------------------------------')
#ix方法
print(df.ix[:,['A','B']])

4、连续取值可以用[n:m]表示，n表示首行（列），m表示尾行（列），含义为取n行（列）到m行（列）。

#筛选1-4行以及1-2列
print('--------------------------------------iloc方法---------------------------------------------------')
#iloc方法
print(df.iloc[:4,:2])
print('-------------------------------------loc方法----------------------------------------------------')
#loc方法
print(df.loc['a':'d',['A','B']])
print('-------------------------------------ix方法----------------------------------------------------')
#ix方法
print(df.ix[:4,['A','B']])

5、非连续取值可以使用[n,m]表示，即取出n行（列）和m行（列）。

#筛选第1行和第4行的A列数据
print('--------------------------------------iloc方法---------------------------------------------------')
#iloc方法
print(df.iloc[[0,3],0])
print('-------------------------------------loc方法----------------------------------------------------')
#loc方法
print(df.loc[['a','d'],'A'])
print('-------------------------------------ix方法----------------------------------------------------')
#ix方法
print(df.ix[[0,3],'A'])

其区别在于：


loc函数


loc()函数是基于标签的数据选择方法，这意味着我们必须传递我们想要选择的

行或列的名称

。与iloc()不同的是，这个方法包括了它所传递的范围的最后一个元素。loc()可以接受布尔数据，与iloc()不同。

#筛选出A列大于5的B/C列数据
df.loc[df['A']>5,['B','C']]

iloc()函数


iloc()函数是一个基于索引的选择方法，这意味着我们必须在该方法中传递一个

整数索引

来选择一个特定的行/列。与loc()不同的是，该方法不包括所传递范围的最后一个元素。iloc()不接受布尔数据，与loc()不同。


ix()函数


该方法接受索引和行列名称来选择特定的行列

以下是筛选出符合条件的n列n列的几个示例

（1）取出符合条件的数据all行列

df[df["age"]==12]

（2）取出符合条件的数据的指定列

df[df["age"]==12][["age","name"]]

（3）取出符合多个条件的数据

df[(df["age"]>12)|(df["name"]=="a")]

注意事项：==表示等于，&表示并且，|表示或者，单个条件需要()括起来

插入数据

（一）插入列

（1）insert方法

df.insert(loc, column, value, allow_duplicates=False)

loc 插入位置

column 待插入的列名

value 待插入的数据

allow_duplicates 是否允许重复列名，True表示待插入的列名可以与已存在列名重复

df.insert(1,'k',[1,2,3,3,5,6,7,8,9,10],allow_duplicates=True)

（2）直接以索引的方式插入最后一列

df['m']=[1,2,3,4,5,6,7,8,9,10]

（二）插入行

（1）直接以索引的方式插入最后一列

df.loc['k'] = [5.5, 'dog', 'no', 2]

删除数据

drop方法

df.drop(labels, axis=0, level=None, inplace=False, errors=‘raise’)

axis 默认删除行，axis=1删除列，axis=0删除行

（一）删除行

（1）指定列名

df=df.drop(["k","m"],axis=1)

del df['k']

（2）指定索引

df=df.drop(columns=[1,2],axis=1)

（二）删除行

（1）指定行名

df=df.drop(["k"],axis=0)

（2）指定索引

df=df.drop(df.index[[1,2]],axis=0)