pandas中DataFrame定位數據單元格的方法集錦

問題來源：

我在做WGS84經緯度轉換百度/高德經緯度時，遇到了一個警告。.ix 在Pandas 的 0.20.0 版本會被棄用。

i=0
while i<row_num:
    test.ix[i,'bai_lng'],test.ix[i,'bai_lat'] =zb.wgs84_to_bd09(test.ix[i,'lng'],test.ix[i,'lat'])
    i=i+1
test.head()

雖然目前還可以正常執行，為了應對以后python版本升級導致的問題，而且編程中混合索引應用還特別多。我想應該仔細研究一下pandas 所有的定位數據單元格的方法。

 

創建一個測試用dataframe,代碼如下：

arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']),
          np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])]

df = pd.DataFrame(np.random.randn(8, 4), index=arrays)

df.columns=['A','B','C','D']
df.index.names=['first','second']
df.head(10)

 

結論： 

1.定位方式清單：

 

[ ]	按np數組方式訪問一列數據	df['A']或者 df.T['bar']['two]	df.T['bar']['two]比df.T['bar','two']更低效,因為在索引['two‘]之前創建了一個臨時數組
iloc[]	基於整數索引，可一次訪問多行一行或一個標量	df.iloc[:2, : ]	選擇一行df.iloc[100]
loc[]	基於字符標簽索引，可一次訪問多行一行或一個標量	df.loc['bar','two']	有一個意外好處，只要不做切片，可以用index的整數來索引具體的行
iat[]	基於整數索引，一次訪問一個標量	df.iat[1,2 ]	速度比iloc快很多
at[]	基於字符標簽索引，一次訪問一個標量	df.at[('bar','two'), 'A']	速度比loc快很多
ix[]	先用 loc 的方式索引，如果失敗再用 iloc 的方式索引	test.ix[i,'lng']	支持整數，字符標簽混合索引
get_value()	快速索引dataframe中單個值	df.getvalue(('bar' , 'two'), 'B')	速度最快
xs()	多用於層次索引；不能精確定位到一個數據單元格；只能讀取數據，不能寫入數據	df.xs(('baz','one'), level=('first','second'))

TIPS：

標量：相對於矢量，只有大小沒有方向的數值。比如 39.343434

向量（矢量）：既有方向，也有大小的一組數值。數據表里的一行數據，或者一列數據都可以是向量。比如 DataFrame中的一行或者一列

基於整數索引：.iloc, .iat 前面都有一個字母 i （integer positions），表示這是一個基於整數的索引。例如 df.iloc[0:100, : ]。特別提醒這里的整數都是基於當前數據集的位置。如果做了數據集篩選，位置值並不等於index值。

  

2 .ix 混合索引的替代方案

在官方文檔里找到了放棄ix索引的原因

 既然以后不讓用ix了，那么混合索引怎么實現呢？

整數索引

df.iloc[ df.index.get_loc(('baz','two')), 3 ]=3.0

df.iloc[ row_num, df.columns.get_loc('C') ]=3.0

字符標簽索引

otherlist = df.index

df.loc[ otherlist[5] , 'A']=3.0

以下方法在一個DataFrame篩選后，索引已經不連續的情況下特別好用。

df.loc[ df.index[1] , 'A']=3.0

df.loc[ df['A'] == 39.1212121, df.columns[3]] =3.0

 

3.層次化索引 MultiIndex (hierarchical index)方式

df.loc[('baz', 'two'):('qux', 'one')]

df.xs(('baz','one'), level=('first','second'))