本文共 1703 字，大约阅读时间需要 5 分钟。

1.索引分类

1.1类型

1.2 注意

1，若直接使用[ ]选择数据时，不能直接选择具体的元素。

import pandas as pdimport numpy as npframe = pd.DataFrame(np.arange(25).reshape((5, -1)),                     index=list('abcde'),                     columns=['one', 'two', 'three', 'four', 'five'])print(frame[['one', 'five']])  #用'column_name'print(frame[:3])   # 用'index_sliceable',index切片

至于为啥会是这样规定，debug了下，没看懂，但是看到这两句代码，有知道原因的可麻烦评论告诉我。

indexer = self.columns.get_loc(key)indexer = convert_to_index_sliceable(self, key)

2，在切片时，整数索引与标签索引的切片结果有差异

print(frame[:3])    #左闭右开"""   one  two  three  four  fivea    0    1      2     3     4b    5    6      7     8     9c   10   11     12    13    14"""print(frame[:'c'])    #左闭右闭"""   one  two  three  four  fivea    0    1      2     3     4b    5    6      7     8     9c   10   11     12    13    14"""

可以看出区别，用整数索引进行切片时，左边等于右边不等于，即是0<= index < 2，而使用标签索引则是’a’<= index<=‘c’。 所以需要注意这两种类型的索引使用。

2.loc和iloc

DataFrame可以使用loc和iloc来选择数据，而两者是根据“标签”或“整数”索引来选择的，

print(frame.loc['a':'c', :'three'])"""   one  two  threea    0    1      2b    5    6      7c   10   11     12"""print(frame.iloc[0:, :3])"""   one  two  threea    0    1      2b    5    6      7c   10   11     12d   15   16     17e   20   21     22"""

3.at和iat

与loc和iloc类似，都提供基于整数或者标签索引的查找。如果只需要获取或设置单个值时，可使用at和iat。

print(frame.at['a', 'three'])   #2print(frame.iat[0, 3])   #3frame.iat[0, 0] = 100   # 修改元素print(frame)

最后，正是由于pandas功能这么强大，整数索引和标签索引，将标签设置为整数时，就会造成歧义。所以，如果使用整数作为标签，那么在数据选择是使用loc 或者 iloc，这样可以明确知道使用的是哪种类型的索引，从而精确地选择数据。

转载地址：https://blog.csdn.net/yangjjuan/article/details/104741800 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！