Pandas之容易让人混淆的行选择和列选择

在刚学Pandas时，行选择和列选择非常容易混淆，在这里进行一下讨论和归纳

本文的数据来源：https://github.com/fivethirtyeight/data/tree/master/fandango

import pandas as pd

fandango = pd.read_csv('fandango_score_comparison.csv')

原始的数据如下（截取了一部分）

 

行选择

Pandas进行行选择一般有三种方法：

• 连续多行的选择用类似于python的列表切片
• 按照指定的索引选择一行或多行，使用loc[]方法
• 按照指定的位置选择一行多多行，使用iloc[]方法

 

第一种，使用类似于python的列表切片

n = fandango[1:3]

从结果可以看到，和python的列表切片一样，索引号从0开始，选择了索引号1和2的数据（不包括3）

 

第二种，按照指定的索引选择一行或多行，使用loc[]方法

o = fandango.loc[1]

p = fandango.loc[1:3]

可以看到，o是一个Series，选择了索引号为1的那一行数据，注意p，它与第一种的列表索引最大的不同是包含了索引号为3的那一行数据

 

u = fandango.loc[[1,3]]

这里按照索引号选择不连续的行

 

第三种，按照指定的位置选择一行多多行，使用iloc[]方法

在上面的数据中，使用iloc[]和loc[]的效果是一样的，因为索引号都是从0开始并且连续不断，现在我要删除索引号为1和2的这两行

fandango_drop = fandango.drop([1,2], axis=0)

可以看到的确删除了两行数据

此时我仍然用loc[]来索引行号为2的那一行，就会出错

s = fandango_drop.loc[2]

但是，我使用iloc[]来进行一次

t = fandango_drop.iloc[2]

看到了吧，iloc[2]的意思是选择第三行的数据，也就是索引号为4的那一行数据，因为iloc[]的计算也是从0开始的，所以iloc[]适用于数据进行了筛选后造成索引号与原来不一致的情况

loc[]与iloc[]方法之间还有一个巨大的差别，那就是loc[]里的参数是对应的索引值即可，所以参数可以是整数，也可以是字符串。而iloc[]里的参数表示的是第几行的数据，所以只能是整数

 

列选择

列选择比较简单，只要直接把列名传递过去即可，如果有多列的数据，要单独指出列名或列的索引号

第一种，选择单列，选择了电影名称那一列

q = fandango['FILM']

 

第二种，通过指定列名选择多列

r = fandango[['FILM','Metacritic']]

 

第三种，非常容易让人混淆的，通过列的索引号选择多列

v = fandango[[0,1,2]]

其实，列也是有一个索引号的，看到这里不禁想问，那我要选择前5列呢？我不想写一个长列表，又不想逐个写出这5列的名称，能否用切片呢？

x = fandango[[0:5]]

事实证明，这是不行的，更好的方法是在参数中构建一个列表

w = fandango[list(range(5))]

更多的参考资料：http://pandas.pydata.org/pandas-docs/version/0.17.0/api.html#id3