python pandas教程，python dataframe loc函數_詳解pandas DataFrame的查詢方法（loc,iloc,at,iat,i

在操作DataFrame時，肯定會經常用到loc，iloc，at等函數，各個函數看起來差不多，但是還是有很多區別的，我們一起來看下吧。

首先，還是列出一個我們用的DataFrame，注意index一列，如下：

接下來，介紹下各個函數的用法：

1、loc函數

愿意看官方文檔的，請戳這里，這里一般最權威。

python pandas教程？loc函數是基于“標簽”選擇數據的，但是也可以接受一個boolean的array，對于每個用法，我們從參數方面來一一舉例：

1.1 單個label

接受一個“標簽”(label)參數，返回一個Series，例如下面這個例子收一個標簽，返回通過這個標簽定位的行的值，注意這里是通過標簽定位，而不是通過中括號中的數字定位第幾行，之后我們通過對比iloc函數時還會細說。

test_dict_df.loc[1] #return the row with name 'Bob'

test_dict_df.loc[7] #return the row with name 'Time' important!!!

# type(test_dict_df.loc[1]) #pandas.core.series.Series

python中loc的用法、1.2 一個label的array

如果鍵入一個標簽的array，那么就返回一個對應的DataFrame：

test_dict_df.loc[[1,2,4]]

結果如下：

1.3 加入一個切片array

test_dict_df.loc[[1:4]]

dataframe.iloc、結果如下：

1.4 行標簽，列標簽

通過在中括號中加入行標簽和列標簽來定位一個cell，相當于坐標的定位：

test_dict_df.loc[1,'english'] #result：94

1.5 行標簽或者列標簽是切片array

test_dict_df.loc[1:4,'english']

dataframe獲取索引值？# test_dict_df.loc[1:4,'english':'math']

1.6 還可以接受條件，進行選擇

例如我們選擇英語成績超過90的所有行：

test_dict_df.loc[test_dict_df['english']>90]

當然，也可以再條件選擇后，再加入列選擇，列選擇的時候可以單列，也可以是切片數組，通過上面的介紹這里就可以靈活處理：

test_dict_df.loc[test_dict_df['english']>90,'english'] #single label

frame。test_dict_df.loc[test_dict_df['english']>90,'english':'name'] #slice array

test_dict_df.loc[test_dict_df['english']>90,['english','name']] #label array

1.7 接受一個boolean的array

可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值

test_dict_df.loc[[True,False,False,True]]

loc還有很多用法，這里先介紹到這里吧，當然如果你的DataFrame是復合的行或者復合列，寫法也是不同的，具體就可以查閱官方文檔了！

dataframe.loc，2、iloc函數

官方文檔戳這里。

iloc函數與loc函數不同的是，它接受的是一個數字，代表著要選擇數據的位置：

test_dict_df.iloc[6]

這代表我們選擇的是第6行，而不是index為6的那一行。當然，也可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值：

test_dict_df.iloc[[True,False,False,True]]

pandas的dataframe？這里iloc也可以接受切片array：

# test_dict_df.iloc[1:2]

test_dict_df.iloc[[1,2,4]]

3、ix函數(0.20.0版本后已經棄用)

ix就是一種混合索引，字符串的標簽和證書的數據索引都可以作為合法輸入，其實相當于loc和iloc的一個混合方法：

test_dict_df.ix['Alice']

python df.loc、test_dict_df.ix[1]

上述兩種方法都能得到值，這里我們就不追究這個函數具體是怎樣的檢索順序或者工作原理了。因為官方給出的是從pandas0.20.0之后，ix函數已經被棄用。其實在使用的時候，ix函數雖然方便，但是的確有時候會顯得比較混亂，所以我們之后也盡量少用這個函數吧，還是按照官方大佬的指導。

4、at函數

at是用來選擇單個值的，此時用法類似于loc：

test_dict_df.at[1,'english']

test_dict_df.loc[1,'english']

dataframe join。以上兩種方法都能選擇到，label為1，列為'english'的那個值，但是據說at速度要快，這點我沒有考證過。

5、iat函數

iat函數相對于at函數，就相當于iloc相對于loc函數。iat也只能選擇一個值。只不過是用索引位置來選擇，注意：行列都是索引位置來選擇，從0開始數。

# test_dict_df.iat[1,'english'] #error!!!

test_dict_df.iat[2,2] #right!!!

6、概括一下

pandas merge？最后我們概括一下：

1、 loc和iloc函數都是用來選擇某行的，iloc與loc的不同是：iloc是按照行索引所在的位置來選取數據，參數只能是整數。而loc是按照索引名稱來選取數據，參數類型依索引類型而定；

2、 at和iat函數是只能選擇某個位置的值，iat是按照行索引和列索引的位置來選取數據的。而at是按照行索引和列索引來選取數據；

3、 loc和iloc函數的功能包含at和iat函數的功能。

相應的代碼連接：github代碼

先寫到這里，如有新的再補充。

創建一個dataframe，以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。