pandas loc, iloc, ix, at, iat用法

项目github地址：bitcarmanlee easy-algorithm-interview-and-practice
欢迎大家star，留言，一起学习进步

1.loc用法

loc是基于行的index，可以选择特定的行，同时还可以根据列名称选定指定列。
iloc是基于行/列的位置(position)来进行选择

def select_test():
    a = [i for i in range(10)]
    b = [2*x + 0.1 for x in a]
    data = {"x": a, "y": b}
    tmp = pd.DataFrame(data, index=["r1", "r2", "r3", "r4", "r5", "r6", "r7", "r8", "r9", "r10"])
    print(tmp.index)
    print(tmp.columns)
    print()
    return tmp

方法的输出结果为

Index(['r1', 'r2', 'r3', 'r4', 'r5', 'r6', 'r7', 'r8', 'r9', 'r10'], dtype='object')
Index(['x', 'y'], dtype='object')

用loc方法选择第一行

tmp = select_test()
print(tmp.loc["r1"])

输出结果

x    0.0
y    0.1
Name: r1, dtype: float64

用loc方法选择前三行，并只选择x列：

print(tmp.loc[["r1", "r2", "r3"], "x"])

r1    0
r2    1
r3    2
Name: x, dtype: int64

如果用loc[1]方法，会报错

TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [1] of <class 'int'>

2.iloc用法

选择前五行

print(tmp.iloc[0:5])

选择前五行的第二列(第一列的索引为0):

print(tmp.iloc[0:5, 1:2])

      y
r1  0.1
r2  2.1
r3  4.1
r4  6.1
r5  8.1

print(tmp.iloc[0:5, "x"])

上面这行代码会报错:

ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types

原因很简单，iloc只能用行列的起始位置进行选择，不能使用行列名。

3.ix

ix在旧版本中，是loc与iloc的混合体，既支持位置选择也支持列名选择。
在新版本中，该方法已经被废弃。个人觉得，也应该被废弃。API太灵活带来的必然后果就是代码不规范，可读性差。

4.索引快速选择

还有快速选择行/列的方式

print(tmp[0:5])
print(tmp[['x', 'y']])

    x    y
r1  0  0.1
r2  1  2.1
r3  2  4.1
r4  3  6.1
r5  4  8.1
     x     y
r1   0   0.1
r2   1   2.1
r3   2   4.1
r4   3   6.1
r5   4   8.1
r6   5  10.1
r7   6  12.1
r8   7  14.1
r9   8  16.1
r10  9  18.1

其中，第一行代码选择前5行数据，第二行代码选择x,y两列数据。

5.at/iat方法

at可以根据行index及列名，快速选择dataframe中的某个元素：

print(tmp.at["r3", "x"])

输出为

如果使用如下代码会报错

print(tmp.at[3, "x"])

ValueError: At based indexing on an non-integer index can only have non-integer indexers

与iloc类似，iat也是通过位置(position)定位元素

print(tmp.iat[0, 0])

输出为