浅谈pandas中Dataframe的查询方法([], loc, iloc, at, iat, ix)
pandas为我们提供了多种切片方法，而要是不太了解这些方法，就会经常容易混淆。下面举例对这些切片方法进行说明。
数据介绍
先随机生成一组数据：
In[5]:rnd_1=[random.randrange(1,20)forxinxrange(1000)]
...:rnd_2=[random.randrange(1,20)forxinxrange(1000)]
...:rnd_3=[random.randrange(1,20)forxinxrange(1000)]
...:fecha=pd.date_range('2012-4-10','2015-1-4')
...:
...:data=pd.DataFrame({'fecha':fecha,'rnd_1':rnd_1,'rnd_2':rnd_2,'rnd_3':rnd_3})
In[6]:data.describe()
Out[6]:
rnd_1rnd_2rnd_3
count1000.0000001000.0000001000.000000
mean9.9460009.8250009.894000
std5.5539115.5594325.423484
min1.0000001.0000001.000000
25%5.0000005.0000005.000000
50%10.00000010.00000010.000000
75%15.00000015.00000014.000000
max19.00000019.00000019.000000
[]切片方法
使用方括号能够对DataFrame进行切片，有点类似于python的列表切片。按照索引能够实现行选择或列选择或区块选择。
#行选择 In[7]:data[1:5] Out[7]: fecharnd_1rnd_2rnd_3 12012-04-111163 22012-04-12761 32012-04-132167 42012-04-144177 #列选择 In[10]:data[['rnd_1','rnd_3']] Out[10]: rnd_1rnd_3 0812 113 271 327 447 5128 6212 798 81317 947 101414 111916 12212 131518 141318 151311 16177 171410 1896 191115 201613 21189 22118 2343 24611 25213 26717 27118 28312 2942 ........ 970814 971195 972132 973810 974817 975616 97632 977126 9781210 9791513 98084 981173 982117 983115 98477 9851314 986619 987139 988315 989196 990711 991117 9921912 993215 994104 9951413 9961211 9971115 9981714 99938 [1000rowsx2columns] #区块选择 In[11]:data[:7][['rnd_1','rnd_2']] Out[11]: rnd_1rnd_2 0817 1116 276 3216 4417 51219 627
不过对于多列选择，不能像行选择时一样使用1：5这样的方法来选择。
In[12]:data[['rnd_1':'rnd_3']] File"",line1 data[['rnd_1':'rnd_3']] ^ SyntaxError:invalidsyntax
loc
loc可以让你按照索引来进行行列选择。
In[13]:data.loc[1:5] Out[13]: fecharnd_1rnd_2rnd_3 12012-04-111163 22012-04-12761 32012-04-132167 42012-04-144177 52012-04-1512198
这里需要注意的是，loc与第一种方法不同之处在于会把第5行也选择进去，而第一种方法只会选择到第4行为止。
data.loc[2:4,['rnd_2','fecha']] Out[14]: rnd_2fecha 262012-04-12 3162012-04-13 4172012-04-14
loc能够选择在两个特定日期之间的数据，需要注意的是这两个日期必须都要在索引中。
In[15]:data_fecha=data.set_index('fecha')
...:data_fecha.head()
Out[15]:
rnd_1rnd_2rnd_3
fecha
2012-04-1081712
2012-04-111163
2012-04-12761
2012-04-132167
2012-04-144177
In[16]:#生成两个特定日期
...:fecha_1=dt.datetime(2013,4,14)
...:fecha_2=dt.datetime(2013,4,18)
...:
...:#生成切片数据
...:data_fecha.loc[fecha_1:fecha_2]
Out[16]:
rnd_1rnd_2rnd_3
fecha
2013-04-1417105
2013-04-151449
2013-04-161218
2013-04-179151
2013-04-1816717
更新：如果没有特殊需求，强烈建议使用loc而尽量少使用[]，因为loc在对DataFrame进行重新赋值操作时会避免chainedindexing问题，使用[]时编译器很可能会给出SettingWithCopy的警告。
具体可以参见官方文档：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
iloc
如果说loc是按照索引（index）的值来选取的话，那么iloc就是按照索引的位置来进行选取。iloc不关心索引的具体值是多少，只关心位置是多少，所以使用iloc时方括号中只能使用数值。
#行选择 In[17]:data_fecha[10:15] Out[17]: rnd_1rnd_2rnd_3 fecha 2012-04-2014614 2012-04-21191416 2012-04-222612 2012-04-2315818 2012-04-2413818 #列选择 In[18]:data_fecha.iloc[:,[1,2]].head() Out[18]: rnd_2rnd_3 fecha 2012-04-101712 2012-04-11163 2012-04-1261 2012-04-13167 2012-04-14177 #切片选择 In[19]:data_fecha.iloc[[1,12,34],[0,2]] Out[19]: rnd_1rnd_3 fecha 2012-04-1113 2012-04-22212 2012-05-141710
at
at的使用方法与loc类似，但是比loc有更快的访问数据的速度，而且只能访问单个元素，不能访问多个元素。
In[20]:timeitdata_fecha.at[fecha_1,'rnd_1'] Theslowestruntook3783.11timeslongerthanthefastest.Thiscouldmeanthatanintermediateresultisbeingcached. 100000loops,bestof3:11.3µsperloop In[21]:timeitdata_fecha.loc[fecha_1,'rnd_1'] Theslowestruntook121.24timeslongerthanthefastest.Thiscouldmeanthatanintermediateresultisbeingcached. 10000loops,bestof3:192µsperloop In[22]:data_fecha.at[fecha_1,'rnd_1'] Out[22]:17
iat
iat对于iloc的关系就像at对于loc的关系，是一种更快的基于索引位置的选择方法，同at一样只能访问单个元素。
In[23]:data_fecha.iat[1,0] Out[23]:1 In[24]:timeitdata_fecha.iat[1,0] Theslowestruntook6.23timeslongerthanthefastest.Thiscouldmeanthatanintermediateresultisbeingcached. 100000loops,bestof3:8.77µsperloop In[25]:timeitdata_fecha.iloc[1,0] 10000loops,bestof3:158µsperloop
ix
以上说过的几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。
In[28]:date_1=dt.datetime(2013,1,10,8,30) ...:date_2=dt.datetime(2013,1,13,4,20) ...: ...:#生成切片数据 ...:data_fecha.ix[date_1:date_2] Out[28]: rnd_1rnd_2rnd_3 fecha 2013-01-11191719 2013-01-1210917 2013-01-1315310
如上面的例子所示，2013年1月10号并没有被选择进去，因为这个时间点被看作为0点0分，比8点30分要早一些。
以上这篇浅谈pandas中Dataframe的查询方法([],loc,iloc,at,iat,ix)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。