pandas索引和选择数据

使用pandas索引和选择数据时，总是需要百度，因此决定对pandas.DataFrame中的索引和选择方法做个总结。所用的pandas版本号为0.20.1
pandas中有三种索引方法：.loc，.iloc和[]，注意：.ix的用法在0.20.0中已经不建议使用了！

• • .loc用法
  • iloc用法
  • 切片操作[]

下文中全部使用一个DataFrame来举例：

.loc用法

.loc主要是基于标签(label)的，包括行标签(index)和列标签(columns)，即行名称和列名称，可以使用df.loc[index_name,col_name]，选择指定位置的数据，其它的用法有：
1. 使用单个标签。如果.loc[]中只有单个标签，那么选择的是某一行。 df.loc[3]选择的是index名为‘3’的一行，注意这里的’3’是index的名称，而不是序号

2. 使用标签的list：同样是只选择行

3. 标签的切片对象：与通常的python切片不同，在最终选择的数据中包含切片的start和stop

4. 布尔型的数组：通常用于筛选符合某些条件的行


5. 可调用的函数

lambda表达式语法：
lambda 传入参数 ： 返回的计算表达式

iloc用法

iloc是基于位置的索引，利用元素在各个轴上的索引序号进行选择，序号超出范围会产生IndexError，切片时允许序号超过范围，用法包括：
1. 使用整数：与.loc相同，如果只使用一个维度，则对行选择，下标从0开始

2. 使用列表或数组，同样是对行选择


3. 元素为整数的切片对象：与.loc不同的是，这里下标为stop的数据不被选择

也可以对列进行切片：

4. 使用布尔数组进行筛选：注意这里可以使用list或者array，使用Series的话会出错，NotImplementedError或者ValueError，前者是Series的index与待切片DataFrame的index不同时，后者是index相同时报的错，可以自己实现体会一下。与.loc使用布尔数组，可以使用list， array，也可以使用Series，使用Series时index需要一致，否则会报IndexingError

5.使用可调用函数

切片操作[]

• []操作只能输入一个维度，不能用逗号隔开输入两个维度：
  

  1. 使用列名：.loc和iloc只输入一维时选取的是行，而[]选取的是列，并且必须使用列名
     
  2. 使用布尔数组：bool数组的index需要和dataframe的index一致，此时选取的是行
     
     因此可以用来筛选符合条件的行：
     

• 避免chained assignment
  在对数据赋值使可以有以下两种操作：
  df.loc[df.C>0.5,'C']=0.6
df[df.C>0.5][['C']]=0.6
  上面的操作可以在df上直接修改数据，而下面的操作被称为chained assignment,会产生SettingWithCopyWarning，官网上的解释：indexing-view-versus-copy。直观来说就使用chained assignment无法预测是否能对数据df进行修改，使用loc一定是直接在df上修改数据，因此建议使用loc