【Python】一网打尽Pandas中的各种索引 iloc,loc,ix,iat,at,直接索引
共 3851字，需浏览 8分钟
·
2021-08-10 02:54
一、索引的概述
很多人在使用Pandas选取数据时，总会迷失在data[]、iloc()、loc()、ix()、at()、iat()中，似乎记得，又似乎不记得，每到用时都需要百度，不知所以然的解决了问题，下次继续百度，记忆点基本上非常混乱。本文就是希望能解决这个问题，通过一个简单的DataFrame彻底搞明白这三个函数到底有什么区别，又该怎么使用，希望对你有用。
日常使用中，推荐使用loc和iloc进行索引，loc是指location的意思，iloc中的 i 是指integer，这两个方法容易混淆，可以使用特殊方式来加强记忆。
iloc：基于位置，用行号、列号进行索引，i 可以看着 int，因此 iloc 只能用整数来索引，例如data.iloc[0:2,:]
loc ：基于标签，用行名、列名进行索引，数据的index经常为整数，因此 loc 的使用范围要远高于iloc，loc可以使用整数切片、名称(index,columns)索引、也可以切片和名称混合使用。例如：data.loc[0:5:,'row1':'row2']
我们简单构造一个数据集，在下面的案例中需要用到。
import pandas as pdimport numpy as npdata = pd.DataFrame(np.arange(25).reshape(5, 5),index = ['row1', 'row2','row3','row4','row5'],columns=['col1', 'col2','col3','col4', 'col5'])datacol1 col2 col3 col4 col5row1 0 1 2 3 4row2 5 6 7 8 9row3 10 11 12 13 14row4 15 16 17 18 19row5 20 21 22 23 24
二、用列名直接索引 （不推荐）
取一列：data['col1'] 即取得第一列，得到的是一个Series对象。
取多列：data[['col1','col2']]
注 意：
用data['row1'] 、data[0]、data[:,0]、data[0,:]、data[:,'col1':'col2'] 统统都会报错的，这类命令只能用来按列名取一列或多列。
data['col1']row1 0row2 5row3 10row4 15row5 20Name: col1, dtype: int32col1 col2row1 0 1row2 5 6row3 10 11row4 15 16row5 20 21#下面的命令直接应用都会报错，但是用loc 和 iloc 就不会报错data['row1']data[0]:,0]:]:,'col1':'col2']#TypeError: '(slice(None, None, None), 0)' is an invalid key
三、用行号直接索引（不推荐）
data[0:2]代表取得第0行和第1行
注 意：
只取一行的话，要用data[0:1]，不能用data[0]。data[0:2,]也会报错
:2]col1 col2 col3 col4 col5row1 0 1 2 3 4row2 5 6 7 8 9
四、iloc按行号、列号来索引（推荐）
1)取一行 ：data.iloc[0] 、data.iloc[0,:]
2)取多行 ：data.iloc[[0,2]] 、data.iloc[[0,2],:]
3)取连续多行 ：data.iloc[0:2] 、data.iloc[0:2,:]
4)取一列 ： data.iloc[:,0]
5)取多列 ：data.iloc[:,[0,2]]、data.iloc[:,[0,2]]
6)取连续多列 ：data.iloc[:,0:2]
注 意：
取行的时候可以不提列，也可以用"，："来指全列
取列的时候必须用"：，"来指定全行。
可以使用一个数字来代表一个，可以使用一个列表[a,b]代表多个，也可以使用a:b代表连续多个。
0col2 1col3 2col4 3col5 4data.iloc[:,2:4] col3 col4row1 2 3row2 7 8row3 12 13row4 17 18row5 22 23
五、loc按行名、列名来索引（推荐）
1)取一行：data.loc['row1'] 、data.loc['row1',:]
2)取多行：data.loc[['row1','row2']] 、data.loc[['row1','row2'],:]
3)取连续多行：data.loc['row1':'row2'] 、data.loc['row1':'row2',:]
4)取一列：data.loc[:,'col1']
5)取多列：data.loc[:,['row1','row2']]
6)取连续多列：data.loc[:,'row1':'row2']
注 意：
取行的时候可以不提列，也可以用"，："来指全列。
取列的时候必须用"：，"来指定全行。
可以使用一个数字来代表一个，可以使用一个list ['a','b']代表多个，也可以使用'a':'b'代表连续多个。
:,'col1':'col3']col1 col2 col3row1 0 1 2row2 5 6 7row3 10 11 12row4 15 16 17row5 20 21 22#当索引为整数时，可以用整数进行索引data = pd.DataFrame(np.arange(25).reshape(5, 5),columns=['col1', 'col2','col3','col4', 'col5'])col1 col2 col3 col4 col50 0 1 2 3 41 5 6 7 8 92 10 11 12 13 143 15 16 17 18 194 20 21 22 23 24:3,'col1':'col3']col1 col2 col30 0 1 21 5 6 72 10 11 123 15 16 17
六、使用iat和at（不推荐）
iat 和 at 只能取单个元素，iat 使用行、列索引，at 使用行、列名，但是其功能被 iloc 和 loc 包含，因此不推荐。
data.iat[1,2]7
七、使用ix（不推荐）
ix 相当于 loc 和 iloc 的综合版本，既可以按标签选取，又可以按位置选取，也就是说，ix可以识别你是想按照标签选取，还是按照位置选取。
关于ix，它是先于 iloc 和 loc 产生的，现在基本上用 iloc 和 loc 已经完全能取代 ix ，所以 ix 已经被官方弃用了。就不赘述了。
最后总结：（重点！！！！）
正常情况下，推荐使用 iloc 和 loc。最核心的点记住，取行可以不提列，取列必须提行，可以用一个数字，一个list，或者一个区间来取行列。
··· END ···
往期精彩回顾 本站qq群851320808，加入微信群请扫码：