.loc[ ]与.iloc[ ]用法详解

目录

pandas.DataFrame.loc    pandas.DataFrame.iloc

注意

通过.loc[ ]或者.iloc[ ]获取数据时需要注意的是，使用[[ ]]返回值是DataFrame，而使用[]返回值则是pandas.core.series.Series

①pandas.DataFrame.loc

.loc[ ]用于通过行或列的标签或者boolean数组来访问DataFrame中的一组行和列。(可以获取值，改变值) 具体的使用方法在下方通过代码实现来理解。

获取数据更新数据进阶教程(多标签)

举个栗子

首先创建数据(df)

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],

...      index=['cobra', 'viper', 'sidewinder'],

...      columns=['max_speed', 'shield'])

>>> df

max_speed  shield

cobra               1       2

viper               4       5

sidewinder          7       8

获取数据

根据行标签获取DataFrame

>>> df.loc[['viper', 'sidewinder']]

max_speed  shield

viper               4       5

sidewinder          7       8

根据行和列标签获取值(在此为numpy.int64)

>>> df.loc['cobra', 'shield']

2

使用切片

>>> df.loc['cobra':'viper', 'max_speed']

cobra    1

viper    4

Name: max_speed, dtype: int64

注意

此处的切片与通常的python切片不同，它包含了起始和结束

根据boolean数组获取行(True表示获取行，False表示不获取)

>>> df.loc[[False, False, True]]

max_speed  shield

sidewinder          7       8

或者使用返回值为boolean的语句作为参数

>>> df.loc[df['shield'] > 6]

max_speed  shield

sidewinder          7       8

也可以利用lambda关键字

>>> df.loc[lambda df: df['shield'] == 8]

max_speed  shield

sidewinder          7       8

更新数据

设置整行的值

>>> df.loc['cobra'] = 10

>>> df

max_speed  shield

cobra              10      10

viper               4      50

sidewinder          7      50

设置整列的值

>>> df.loc[:, 'max_speed'] = 30

>>> df

max_speed  shield

cobra              30      10

viper              30      50

sidewinder         30      50

根据行和列设置值

>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50

>>> df

max_speed  shield

cobra               1       2

viper               4      50

sidewinder          7      50

进阶教程(多标签)

创建多标签DataFrame

>>> tuples = [

...    ('cobra', 'mark i'), ('cobra', 'mark ... ii'),

...    ('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),

...    ('viper', 'mark ii'), ('viper', 'mark iii')

... ]

>>> index = pd.MultiIndex.from_tuples(tuples)

>>> values = [[12, 2], [0, 4], [10, 20],

...         [1, 4], [7, 1], [16, 36]]

>>> df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)

>>> df

max_speed  shield

cobra      mark i           12       2

mark ii           0       4

sidewinder mark i           10      20

mark ii           1       4

viper      mark ii           7       1

mark iii         16      36

单标签获取

>>> df.loc['cobra']

max_speed  shield

mark i          12       2

mark ii          0       4

多标签获取

>>> df.loc[('cobra', 'mark ii')]

max_speed    0

shield       4

Name: (cobra, mark ii), dtype: int64

切片形式

>>> df.loc[('cobra', 'mark i'):'viper']

max_speed  shield

cobra      mark i           12       2

mark ii           0       4

sidewinder mark i           10      20

mark ii           1       4

viper      mark ii           7       1

mark iii         16      36

>>> df.loc[('cobra', 'mark i'):('viper', 'mark ii')]

max_speed  shield

cobra      mark i          12       2

mark ii          0       4

sidewinder mark i          10      20

mark ii          1       4

viper      mark ii          7       1

②pandas.DataFrame.iloc

.iloc[ ]用于通过行或列的索引(索引从0到len-1)或者boolean数组来访问DataFrame中的一组行和列。 具体的使用方法在下方通过代码实现来理解。

获取数据更新数据(与.loc[ ]相似，不再赘述)

举个栗子

创建数据(df)

>>> mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},

...           {'a': 100, 'b': 200, 'c': 300, 'd': 400},

...           {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000 }]

>>> df = pd.DataFrame(mydict)

>>> df

a     b     c     d

0     1     2     3     4

1   100   200   300   400

2  1000  2000  3000  4000

获取数据

行索引获取行

>>> df.iloc[0]

a    1

b    2

c    3

d    4

Name: 0, dtype: int64

切片获取

>>> df.iloc[:3]

a     b     c     d

0     1     2     3     4

1   100   200   300   400

2  1000  2000  3000  4000

根据boolean数组获取

>>> df.iloc[[True, False, True]]

a     b     c     d

0     1     2     3     4

2  1000  2000  3000  4000

根据行和列索引获取值

>>> df.iloc[0, 1]

2

获取多行多列

>>> df.iloc[[0, 2], [1, 3]]

b     d

0     2     4

2  2000  4000