python數據分析之pandas數據選取：df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[]

1 引言

　　Pandas是作為Python數據分析著名的工具包，提供了多種數據選取的方法，方便實用。本文主要介紹Pandas的幾種數據選取的方法。

　　Pandas中，數據主要保存為Dataframe和Series是數據結構，這兩種數據結構數據選取的方式基本一致，本文主要以Dataframe為例進行介紹。

　　在Dataframe中選取數據大抵包括3中情況：

　　1）行（列）選取（單維度選取）：df[]。這種情況一次只能選取行或者列，即一次選取中，只能為行或者列設置篩選條件（只能為一個維度設置篩選條件）。

　　2）區域選取（多維選取）：df.loc[]，df.iloc[]，df.ix[]。這種方式可以同時為多個維度設置篩選條件。

　　3）單元格選取（點選取）：df.at[]，df.iat[]。准確定位一個單元格。

　　接下來，我們以下面的數據為例，分別通過實例介紹這三種情況。

 

>>> import pandas as pd >>> import numpy as np >>> data = {'name': ['Joe', 'Mike', 'Jack', 'Rose', 'David', 'Marry', 'Wansi', 'Sidy', 'Jason', 'Even'], 'age': [25, 32, 18, np.nan, 15, 20, 41, np.nan, 37, 32], 'gender': [1, 0, 1, 1, 0, 1, 0, 0, 1, 0], 'isMarried': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']} >>> labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'] >>> df = pd.DataFrame(data, index=labels) >>> df name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no d Rose NaN 1 yes e David 15.0 0 no f Marry 20.0 1 no g Wansi 41.0 0 no h Sidy NaN 0 yes i Jason 37.0 1 no j Even 32.0 0 no

2 行（列）選取：df[]

　　行（列）選取是在單一維度上進行數據的選取，即以行為單位進行選取或者以列為單位進行選取。Dataframe對象的行有索引（index），默認情況下是[0,1,2，……]的整數序列，也可以自定義添加另外的索引，例如上面的labels，（為區分默認索引和自定義的索引，在本文中將默認索引稱為整數索引，自定義索引稱為標簽索引）。Dataframe對象的每一列都有列名，可以通過列名實現對列的選取。

　　1）選取行

選取行的方式包括三種：整數索引切片、標簽索引切片和布爾數組。

　　a）整數索引切片：前閉后開

• 選取第一行：

>>> df[0:1] name age gender isMarried a Joe 25.0 1 yes

• 選取前兩行：

>>> df[0:2] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes

　　b）標簽索引切片：前閉后閉

• 選取第一行：

>>> df[:'a'] name age gender isMarried a Joe 25.0 1 yes

• 選取前兩行：

>>> df['a':'b'] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes

　　注意：整數索引切片是前閉后開，標簽索引切片是前閉后閉，這點尤其要注意。

　　c）布爾數組

• 選取前三行

>>> df[[True,True,True,False,False,False,False,False,False,False]] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no

• 選取所有age大於30的行

>>> df[[each>30 for each in df['age']]] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

　　通過布爾數組的方式，又可以衍生出下面的選取方式：

• 選取所有age大於30的行

>>> df[df['age']>30] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

• 選取出所有age大於30，且isMarried為no的行

>>> df[(df['age']>30) & (df['isMarried']=='no')] name age gender isMarried g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

• 選取出所有age為20或32的行

>>> df[(df['age']==20) | (df['age']==32)] name age gender isMarried b Mike 32.0 0 yes f Marry 20.0 1 no j Even 32.0 0 no

　　注意：像上面這種通過多個布爾條件判斷的情況，多個條件最好（一定）用括號括起來，否則非常容易出錯。

　　2）列選取

　　列選取方式也有三種：標簽索引、標簽列表、Callable對象

　　a）標簽索引：選取單個列

• 選取name列所有數據

>>> df['name'] a Joe b Mike c Jack d Rose e David f Marry g Wansi h Sidy i Jason j Even Name: name, dtype: object

　　b）標簽列表：選取多個列

• 選取name和age兩列數據

>>> df[['name','age']] name age a Joe 25.0 b Mike 32.0 c Jack 18.0 d Rose NaN e David 15.0 f Marry 20.0 g Wansi 41.0 h Sidy NaN i Jason 37.0 j Even 32.0

　　c）callable對象

• 選取第一列

>>> df[lambda df: df.columns[0]] a Joe b Mike c Jack d Rose e David f Marry g Wansi h Sidy i Jason j Even Name: name, dtype: object

3 區域選取

　　區域選取可以從多個維度（行和列）對數據進行篩選，可以通過df.loc[]，df.iloc[]，df.ix[]三種方法實現。采用df.loc[]，df.iloc[]，df.ix[]這三種方法進行數據選取時，方括號內必須有兩個參數，第一個參數是對行的篩選條件，第二個參數是對列的篩選條件，兩個參數用逗號隔開。df.loc[]，df.iloc[]，df.ix[]的區別如下：

　　df.loc[]只能使用標簽索引，不能使用整數索引，通過便簽索引切邊進行篩選時，前閉后閉。

　　df.iloc[]只能使用整數索引，不能使用標簽索引，通過整數索引切邊進行篩選時，前閉后開。；

　　df.ix[]既可以使用標簽索引，也可以使用整數索引。

　　下面分別通過實例演示這三種方法。

3.1 df.loc[]

　　1）對行進行選取

• 選取索引為‘a’的行：

>>> df.loc['a', :] name Joe age 25 gender 1 isMarried yes Name: a, dtype: object

• 選取索引為‘a’或‘b’或‘c’的行

>>> df.loc[['a','b','c'], :] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no

• 選取從‘a’到‘d’的所有行（包括‘d’行）

>>> df.loc['a':'d', :] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no d Rose NaN 1 yes

• 用布爾數組選取前3行

>>> df.loc[[True,True,True,False,False,False], :] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no

• 選取所有age大於30的行

>>> df.loc[df['age']>30,:] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

　　也可以使用下面兩方法：

>>> df.loc[df.loc[:,'age']>30, :] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no >>> df.loc[df.iloc[:,1]>30, :] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

• 用callable對象選取age大於30的所有行

>>> df.loc[lambda df:df['age'] > 30, :] name age gender isMarried b Mike 32.0 0 yes g Wansi 41.0 0 no i Jason 37.0 1 no j Even 32.0 0 no

　　2）對列選取

• 輸出所有人的姓名（選取name列）

>>> df.loc[:, 'name'] a Joe b Mike c Jack d Rose e David f Marry g Wansi h Sidy i Jason j Even Name: name, dtype: object

• 輸出所有人的姓名和年齡（選取name和age列）

>>> df.loc[:, 'name':'age'] name age a Joe 25.0 b Mike 32.0 c Jack 18.0 d Rose NaN e David 15.0 f Marry 20.0 g Wansi 41.0 h Sidy NaN i Jason 37.0 j Even 32.0

• 輸出所有人的姓名、年齡、婚否（選取name、age、isMarried列）

>>> df.loc[:, ['name','age','isMarried']] name age isMarried a Joe 25.0 yes b Mike 32.0 yes c Jack 18.0 no d Rose NaN yes e David 15.0 no f Marry 20.0 no g Wansi 41.0 no h Sidy NaN yes i Jason 37.0 no j Even 32.0 no

• 用布爾數組的方式選取前3列

>>> df.loc[:, [True,True,True,False]] name age gender a Joe 25.0 1 b Mike 32.0 0 c Jack 18.0 1 d Rose NaN 1 e David 15.0 0 f Marry 20.0 1 g Wansi 41.0 0 h Sidy NaN 0 i Jason 37.0 1 j Even 32.0 0

　　3）同時對行和列進行篩選

• 輸出年齡大於30的人的姓名和年齡

>>> df.loc[df['age']>30,['name','age']] name age b Mike 32.0 g Wansi 41.0 i Jason 37.0 j Even 32.0

• 輸出行名為‘Mike’或‘Marry’的姓名和年齡

>>> df.loc[(df['name']=='Mike') |(df['name']=='Marry'),['name','age']] name age b Mike 32.0 f Marry 20.0

3.2 df.iloc[]

　　1）行選取

• 選取第2行

>>> df.iloc[1, :] name Mike age 32 gender 0 isMarried yes Name: b, dtype: object

• 選取前3行

>>> df.iloc[:3, :] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no

• 選取第2行、第4行、第6行

>>> df.iloc[[1,3,5],:] name age gender isMarried b Mike 32.0 0 yes d Rose NaN 1 yes f Marry 20.0 1 no

• 通過布爾數組選取前3行

>>> df.iloc[[True,True,True,False,False,False], :] name age gender isMarried a Joe 25.0 1 yes b Mike 32.0 0 yes c Jack 18.0 1 no

　　2）列選取

• 選取第2列

>>> df.iloc[:, 1] a 25.0 b 32.0 c 18.0 d NaN e 15.0 f 20.0 g 41.0 h NaN i 37.0 j 32.0 Name: age, dtype: float64

• 選取前3列

>>> df.iloc[:, 0:3] name age gender a Joe 25.0 1 b Mike 32.0 0 c Jack 18.0 1 d Rose NaN 1 e David 15.0 0 f Marry 20.0 1 g Wansi 41.0 0 h Sidy NaN 0 i Jason 37.0 1 j Even 32.0 0 l 選取第1列、第3列、第4列

• 選取第1列、第3列和第4列

>>> df.iloc[:, [0,2,3]] name gender isMarried a Joe 1 yes b Mike 0 yes c Jack 1 no d Rose 1 yes e David 0 no f Marry 1 no g Wansi 0 no h Sidy 0 yes i Jason 1 no j Even 0 no

• 通過布爾數組選取前3列

>>> df.iloc[:,[True,True,True,False]] name age gender a Joe 25.0 1 b Mike 32.0 0 c Jack 18.0 1 d Rose NaN 1 e David 15.0 0 f Marry 20.0 1 g Wansi 41.0 0 h Sidy NaN 0 i Jason 37.0 1 j Even 32.0 0

　　3）同時選取行和列

• 選取第2行的第1列、第3列、第4列

>>> df.iloc[1, [0,2,3]] name Mike gender 0 isMarried yes Name: b, dtype: object

• 選取前3行的前3列

>>> df.iloc[:3, :3] name age gender a Joe 25.0 1 b Mike 32.0 0 c Jack 18.0 1

3.3 df.ix[]

　　df.ix[]既可以通過整數索引進行數據選取，也可以通過標簽索引進行數據選取，換句話說，df.ix[]是df.loc[]和df.iloc[]的功能集合，且在同義詞選取中，可以同時使用整數索引和標簽索引。

• 選取第3行的name數據

>>> df.ix[2,'name'] 'Jack'

• 選取a行、c行的第1列，第2列和第4列數據

>>> df.ix[['a','c'], [0,1,3]] name age isMarried a Joe 25.0 yes c Jack 18.0 no

• 選取所有未婚者的姓名和年齡

>>> df.ix[df['isMarried']=='no',['name','age']] name age c Jack 18.0 e David 15.0 f Marry 20.0 g Wansi 41.0 i Jason 37.0 j Even 32.0

4 單元格選取

　　單元格選取包括df.at[]和df.iat[]兩種方法。df.at[]和df.iat[]使用時必須輸入兩個參數，即行索引和列索引，其中df.at[]只能使用標簽索引，df.iat[]只能使用整數索引。df.at[]和df.iat[]選取的都是單個單元格（單行單列），所以返回值都為基本數據類型。

4.1 df.at[]

• 選取b行的name列

>>> df.at['b','name'] 'Mike'

4.2 df.iat[]

• 選取第2行第1列

>>> df.iat[1,0] 'Mike'

5 拓展與總結

　　1）選取某一整行（多個整行）或某一整列（多個整列）數據時，可以用df[]、df.loc[]、df.iloc[]，此時df[]的方法書寫要簡單一些。

　　2）進行區域選取時，如果只能用標簽索引，則使用df.loc[]或df.ix[]，如果只能用整數索引，則用df.iloc[]或df.ix[]。不過我看到有資料說，不建議使用df.ix[],因為df.loc[]和df.iloc[]更精確（有嗎？我沒理解精確在哪，望告知）。

　　3）如果選取單元格，則df.at[]、df.iat[]、df.loc[]、df.iloc[]都可以，不過要注意參數。　　

　　4）選取數據時，返回值存在以下情況：

• 如果返回值包括單行多列或多行單列時，返回值為Series對象；
• 如果返回值包括多行多列時，返回值為DataFrame對象；
• 如果返回值僅為一個單元格（單行單列）時，返回值為基本數據類型，例如str，int等。

　　5）df[]的方式只能選取行和列數據，不能精確到單元格，所以df[]的返回值一定DataFrame或Series對象。

　　6）當使用DataFrame的默認索引（整數索引）時，整數索引即為標簽索引。例如，使用上面的data實例化一個DataFrame對象：

>>> df2 = pd.DataFrame(data) >>> df2.loc[1,'name'] 'Mike' >>> df2.iloc[1,0] 'Mike'