小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择

人生苦短，我用 Python

前文传送门：

小白学 Python 数据分析（1）：数据分析基础

小白学 Python 数据分析（2）：Pandas （一）概述

小白学 Python 数据分析（3）：Pandas （二）数据结构 Series

小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame

小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据

引言

上一篇文章我们介绍如何在 Pandas 一些基础的查看数据的操作，但是官方更推荐我们使用 .at、.iat、.loc 和 .iloc 这几个经过 Pandas 优化过的数据访问方法来访问数据。

首先我们还是先创建一个 DataFrame 用作演示，小编偷懒，接着把上一篇的 DataFrame 拷贝过来了，如下：

import numpy as np
import pandas as pd

dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)

DataFrame 是由很多列组成的，其实可以看做是由多个 Series 组成，我们可以单独获取一列直接获得一个 Series ，如下：

# 获取单列，获得 Series
print(df['A'])

# 输出结果
2020-01-01   -0.065477
2020-01-02   -1.089716
2020-01-03    0.049215
2020-01-04   -0.017615
2020-01-05   -0.910402
2020-01-06   -0.008887
Freq: D, Name: A, dtype: float64

接下来我们可以通过 [] 对 DataFrame 进行切片操作，示例如下：

# 行切片
print(df[0:3])
print(df['20200101' : '20200103'])

# 输出结果
                   A         B         C         D
2020-01-01 -0.065477  1.603827  1.152969  0.742842
2020-01-02 -1.089716 -0.540936  0.456917  0.295272
2020-01-03  0.049215 -1.182454 -0.294177 -0.698877
                   A         B         C         D
2020-01-01 -0.065477  1.603827  1.152969  0.742842
2020-01-02 -1.089716 -0.540936  0.456917  0.295272
2020-01-03  0.049215 -1.182454 -0.294177 -0.698877

可以看到，我们通过整数或者是 columns 将 DataFrame 进行了行切片。

loc

我们可以通过使用 loc 进行 column 名和 index 名定位。

比如我们通过 column 提取出一行数据，如下：

# 用标签提取一行数据
print(df.loc[dates[0]])

# 输出结果
A   -0.065477
B    1.603827
C    1.152969
D    0.742842
Name: 2020-01-01 00:00:00, dtype: float64

注意，这里的 dates 是我们在最前面生成的一个数组，这里的写法同样可以替换成 df.loc['20200101'] 。

同样我们可以通过切片的方式获取指定某几行的数据，如下：

# 用标签提取多列数据
print(df.loc[:, ['A', 'B']])

# 输出结果
                   A         B
2020-01-01 -0.065477  1.603827
2020-01-02 -1.089716 -0.540936
2020-01-03  0.049215 -1.182454
2020-01-04 -0.017615 -0.777637
2020-01-05 -0.910402 -0.173959
2020-01-06 -0.008887  0.525035

# 用标签进行切片操作，同时制定行与列的结束点
print(df.loc['20200101':'20200103', ['A', 'B']])

# 输出结果
                   A         B
2020-01-01 -0.065477  1.603827
2020-01-02 -1.089716 -0.540936
2020-01-03  0.049215 -1.182454

# 返回一行中的两列
print(df.loc['20200101', ['A', 'B']])

# 输出结果
A   -0.065477
B    1.603827
Name: 2020-01-01 00:00:00, dtype: float64

那么我如果想获得一个指定位置的数据怎么办呢？当我们把 DataFrame 想像成为一个坐标系的时候，当然是指定横纵坐标可以确定一个唯一的点啊，如下：

# 获取某个标量值
print(df.loc[dates[0], 'A'])

# 输出结果
-0.06547653622759132

iloc

iloc 和上面的 loc 很像， loc 主要是通过行进行索引定位，而 iloc 是通过 index 也就是列进行索引定位，所以参数是整型， iloc 的英文全称为 index locate 。

先看一个简单的示例，我们先用整数选择出其中的一列：

# 用整数位置选择
print(df.iloc[3])

# 输出结果
A   -0.017615
B   -0.777637
C    0.824364
D    0.210244
Name: 2020-01-04 00:00:00, dtype: float64

这里我们还可以加上切片进行选择：

# 使用整数按行和列进行切片操作
print(df.iloc[3:5, 0:2])

# 输出结果
                   A         B
2020-01-04 -0.017615 -0.777637
2020-01-05 -0.910402 -0.173959

# 用整数列表按位置切片
print(df.iloc[[1, 2, 4], [0, 2]])

# 输出结果
                   A         C
2020-01-02 -1.089716  0.456917
2020-01-03  0.049215 -0.294177
2020-01-05 -0.910402 -1.140222

# 整行切片
print(df.iloc[1:3, :])

# 输出结果
                   A         B         C         D
2020-01-02 -1.089716 -0.540936  0.456917  0.295272
2020-01-03  0.049215 -1.182454 -0.294177 -0.698877

# 整列切片
print(df.iloc[:, 1:3])

# 输出结果
                   B         C
2020-01-01  1.603827  1.152969
2020-01-02 -0.540936  0.456917
2020-01-03 -1.182454 -0.294177
2020-01-04 -0.777637  0.824364
2020-01-05 -0.173959 -1.140222
2020-01-06  0.525035 -1.076101

同样，我们通过 iloc 也可以直接选择一个标量值：

# 获取某个标量值 同上
print(df.iloc[1, 1])

# 结果如下
-0.540936460611594

at 和 iat

at 和 iat 都是用来访问单个元素的，而且他们的访问速度要快于上面的 loc 和 iloc 。

at 使用方法与 loc 类似，示例如下：

print(df.at[dates[0], 'A'])

# 输出结果
-0.06547653622759132

iat 对于 iloc 的关系就像 at 对于 loc 的关系，示例如下：

print(df.iat[1, 1])

# 输出结果
-0.540936460611594

其他

我们还可以使用一些判断条件来选择数据，如用单列的值选择数据，示例如下：

print(df[df.A > 0])

# 输出结果
                   A         B         C         D
2020-01-03  0.049215 -1.182454 -0.294177 -0.698877

上面这个示例是输出的所有 A 列大于 0 的数据。

还有直接使用整个 df 做判断的，示例如下：

print(df[df < 0])

# 输出结果
                   A         B         C         D
2020-01-01 -0.065477       NaN       NaN       NaN
2020-01-02 -1.089716 -0.540936       NaN       NaN
2020-01-03       NaN -1.182454 -0.294177 -0.698877
2020-01-04 -0.017615 -0.777637       NaN       NaN
2020-01-05 -0.910402 -0.173959 -1.140222 -0.662615
2020-01-06 -0.008887       NaN -1.076101 -0.862407