pandas 数据筛选loc and iloc
2018-12-05 本文已影响48人
Thinkando
In [1]: import numpy as np
In [2]: import pandas as pd
In [5]: df=pd.DataFrame({'a':[1,2,3],'b':[3,5,6],'c':[2,4,7]})
In [6]: df
Out[6]:
a b c
0 1 3 2
1 2 5 4
2 3 6 7
1. 单条件筛选
In [7]: df[df['a']>2]
Out[7]:
a b c
2 3 6 7
In [12]: df[['b','c']][df['a']>2]
Out[12]:
b c
2 6 7
# 定位筛选
In [13]: df[df.a.isin([2,3])]
Out[13]:
a b c
1 2 5 4
2 3 6 7
2. 多条件筛选
- 可以使用&（并）与| （或）操作符或者特定的函数实现多条件筛选
In [14]: df[(df['a'] >1) & (df['c'] < 7)]
Out[14]:
a b c
1 2 5 4
# 使用numpy的logical_and函数完成同样的功能
In [16]: df[np.logical_and(df['a']>1,df['b']<7)]
Out[16]:
a b c
1 2 5 4
2 3 6 7
3. 索引
- 索引行
In [18]: df[1:3]
Out[18]:
a b c
1 2 5 4
2 3 6 7
- 索引列
In [22]: df[['a','c']]
Out[22]:
a c
0 1 2
1 2 4
2 3 7
4. loc函数
- 行列可以同时选择
In [23]: df.loc[1,'c']
Out[23]: 4
In [24]: df.loc[1:3,['a','c']]
Out[24]:
a c
1 2 4
2 3 7
In [25]: df.loc[[1,2],['a','c']]
Out[25]:
a c
1 2 4
2 3 7
5. iloc 函数(懒人必备)
- 所有的索引都变成数字了，一般用于不想输入名字
In [26]: df.iloc[1,2]
Out[26]: 4
In [30]: df.iloc[1:3,[0,2]]
Out[30]:
a c
1 2 4
2 3 7
In [28]: df.iloc[[1,2],[0,2]]
Out[28]:
a c
1 2 4
2 3 7
6. at函数
- 根据指定行index及列label，快速定位DataFrame的元素，选择列时仅支持列名。
In [33]: df.at[1,'a']
Out[33]: 2
7. iat函数
- 与at的功能相同，只使用索引参数。
In [35]: df.iat[1,0]
Out[35]: 2
