Pandas里怎样进行数据索引与切片

在Pandas中，数据索引和切片是常用的操作，用于从DataFrame或Series中提取特定的数据。以下是一些基本的索引和切片方法：

1. 使用位置索引

• 单个位置索引：使用loc或iloc访问单个元素。

  df.loc[row_index, column_name]
  df.iloc[row_index, column_index]
  

• 多个位置索引：使用loc或iloc访问多个元素。

  df.loc[[row_index1, row_index2], [column_name1, column_name2]]
  df.iloc[[row_index1, row_index2], [column_index1, column_index2]]
  

2. 使用标签索引

• 单个标签索引：使用loc访问单个元素。

  df.loc[row_label, column_label]
  

• 多个标签索引：使用loc访问多个元素。

  df.loc[[row_label1, row_label2], [column_label1, column_label2]]
  

3. 切片操作

• 行切片：使用loc或iloc对行进行切片。

  df.loc[start_row:end_row]  # 包含start_row和end_row
  df.iloc[start_row:end_row]  # 包含start_row和end_row
  

• 列切片：使用loc或iloc对列进行切片。

  df.loc[:, start_column:end_column]  # 包含start_column和end_column
  df.iloc[:, start_column:end_column]  # 包含start_column和end_column
  

• 行和列同时切片：使用loc或iloc对行和列同时进行切片。

  df.loc[start_row:end_row, start_column:end_column]
  df.iloc[start_row:end_row, start_column:end_column]
  

4. 使用条件索引

• 基于条件的索引：使用布尔索引访问满足特定条件的数据。

  df[df['column_name'] > value]
  df[df['column_name'].isin([value1, value2])]
  

5. 使用query方法

• 使用query方法进行条件查询：

  df.query('column_name > @value')
  df.query('column_name in @list_of_values')
  

示例

假设有一个DataFrame df：

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}
df = pd.DataFrame(data)

示例1：单个位置索引

print(df.loc[1, 'A'])  # 输出: 2
print(df.iloc[1, 1])  # 输出: 6

示例2：多个位置索引

print(df.loc[[0, 2], ['A', 'C']])
# 输出:
#    A   C
# 0  1   9
# 2  3  11

print(df.iloc[[0, 2], [0, 2]])
# 输出:
#    A   C
# 0  1   9
# 2  3  11

示例3：行切片

print(df.loc[1:2])
# 输出:
#    A  B   C
# 1  2  6  10
# 2  3  7  11

print(df.iloc[1:3])
# 输出:
#    A  B   C
# 1  2  6  10
# 2  3  7  11

示例4：列切片

print(df.loc[:, 'A':'B'])
# 输出:
#    A  B
# 0  1  5
# 1  2  6
# 2  3  7
# 3  4  8

print(df.iloc[:, 0:2])
# 输出:
#    A  B
# 0  1  5
# 1  2  6
# 2  3  7
# 3  4  8

示例5：条件索引

print(df[df['A'] > 2])
# 输出:
#    A  B   C
# 2  3  7  11
# 3  4  8  12

通过这些方法，你可以灵活地对Pandas中的数据进行索引和切片操作。