pandas 索引

索引方式

1. 布尔索引
2. 位置索引: df.iloc，Selection by Position，即按位置选择数据，即第n行，第n列数据，只接受整型参数
3. 标签索引: df.loc，Selection by Label 函数，即为按标签取数据

实例

# encoding: utf-8
import pandas as pd
import numpy as np

df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),
                   'B': 'one one two three two two one three'.split(),
                   'C': np.arange(8), 'D': np.arange(8) * 2})

# 布尔索引
df[df['A'] == 'foo']
df[(df['A'] == 'foo') & (df['A'] == 'bar')]
df[df['B'].isin(['one', 'two'])]
df[~df['B'].isin(['one', 'two'])]

# df.iloc
mask = df['A'] == 'foo'
pos = np.flatnonzero(mask)  # 返回的是array([0, 2, 4, 6, 7])
df2 = df.iloc[pos]  # 只取行，注意为位置索引而非标签索引
df3 = df.iloc[:3, 1:3]  # [0, 3) 行，[1, 3) 列
 
# df.loc
df.loc[0:2, 'A':'B']

常见用法

1. 筛选出列值等于标量的行，用==
   df[df['column_name'] == some_value]
2. 筛选出列值属于某个范围内的行，用isin
   df[df['column_name'].isin(some_values)] # some_values是可迭代对象
3. 多种条件限制时使用&，&的优先级高于>=或<=，所以要注意括号的使用
   df[(df['column_name'] >= A) & (df['column_name'] <= B)]
4. 筛选出列值不等于某个/些值的行
   df[df['column_name'] != 'some_value'] df[~df['column_name'].isin('some_values')] # ~取反

参考

使用pandas筛选出指定列值所对应的行