我們對 dataframe 進行選擇，大抵從這三個層次考慮：行列、區域、單元格。
其對應使用的方法如下：
一. 行，列 --> df
二. 區域 --> df.loc, df.iloc, df.ix
三. 單元格 --> df.at, df.iat
下面開始練習：
importnumpy as np
import
pandas as pd
df = pd.dataframe(np.random.randn(6,4), index=list('
abcdef
'), columns=list('
abcd
'))
一維行維度：
整數切片、標籤切片、《布林陣列》
列維度：
標籤索引、標籤列表、callable
df[:3]df['
a':'c'
]df[[true,true,true,false,false,false]]
#前三行（布林陣列長度等於行數）
df[df['
a']>0] #
a列值大於0的行
df[(df['
a']>0) | (df['
b']>0)] #
a列值大於0，或者b列大於0的行
df[(df['
a']>0) & (df['
c']>0)] #
a列值大於0，並且c列大於0的行
df['a']df[['a
','b']]
df[lambda df: df.columns[0]] #
callable
二維，先行後列
行維度：
標籤索引、標籤切片、標籤列表、《布林陣列》、callable
列維度：
標籤索引、標籤切片、標籤列表、《布林陣列》、callable
df.loc['a', :]
df.loc['a
':'d
', :]
df.loc[['a
','b
','c
'], :]
df.loc[[true,true,true,false,false,false], :]
#前三行（布林陣列長度等於行數）
df.loc[df['
a']>0, :]
df.loc[df.loc[:,'a
']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[
lambda _df: _df.a > 0, :]
df.loc[:, 'a']df.loc[:, 'a
':'c']
df.loc[:, ['a
','b
','c']]
df.loc[:, [true,true,true,false]]
#前三列（布林陣列長度等於行數）
df.loc[:, df.loc['
a']>0] #
a行大於0的列
df.loc[:, df.iloc[0]>0] #
0行大於0的列
df.loc[:, lambda _df: ['
a', '
b']]
df.a.loc[lambda s: s > 0]
二維，先行後列
行維度：
整數索引、整數切片、整數列表、《布林陣列》
列維度：
整數索引、整數切片、整數列表、《布林陣列》、callable
df.iloc[3, :]df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[true,true,true,false,false,false], :]
#前三行（布林陣列長度等於行數）
df.iloc[df['
a']>0, :] #
× 為什麼不行呢？想不通！
df.iloc[df.loc[:,'
a']>0, :] #
×df.iloc[df.iloc[:,0]>0, :] #
×df.iloc[lambda _df: [0, 1], :]
df.iloc[:, 1]df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [true,true,true,false]]
#前三列（布林陣列長度等於行數）
df.iloc[:, df.loc['
a']>0] #
×df.iloc[:, df.iloc[0]>0] #
×df.iloc[:, lambda _df: [0, 1]]
二維，先行後列
行維度：
整數索引、整數切片、整數列表、
標籤索引、標籤切片、標籤列表、
《布林陣列》、
callable
列維度：
整數索引、整數切片、整數列表、
標籤索引、標籤切片、標籤列表、
《布林陣列》、
callable
df.ix[0, :]df.ix[0:3, :]
df.ix[[0,1,2], :]
df.ix['a
', :]
df.ix['a
':'d
', :]
df.ix[['a
','b
','c
'], :]
df.ix[:, 0]df.ix[:, 0:3]
df.ix[:, [0,1,2]]
df.ix[:, 'a
']df.ix[:, 'a
':'c']
df.ix[:, ['a
','b
','c
']]
精確定位單元格
行維度：
標籤索引
列維度：
標籤索引
df.at['a', '
a']
精確定位單元格
行維度：
整數索引
列維度：
整數索引
df.iat[0, 0]
Pandas資料的選取
使用python的工具包pandas，可以方便的處理資料。但是發現乙個問題 有時候總是不知道怎麼選取資料。因此在這裡記錄一下。由於在實際使用中，主要用到的就是dataframe的結構，因此，這裡主要說dataframe資料結構中，資料的選取方法。假設我們已經有了dataframe資料，呈現如下結構 ...
pandas （五）資料選取
迭代器及使用 for idx,row in df.iterrows row id 迭代器對每個元素進行處理 df.loc i,鏈結 f for i in df.name print i 迭代乙個列 按列迭代，列名,列中的資料序列 s 索引名 值 for label,content in df.ite...
pandas實現選取特定索引的行
如下所示 import numpy as np import pandas as pd g 程式設計客棧 index np.array 2,4,6,8,10 data np.array 3,5,7,9,11 data pd.dataframe index index g程式設計客棧t print d...