pandas DataFrame的查询方法（loc,iloc,at,iat,ix的用法和区别）

pandas DataFrame的增删查改总结系列文章：

• pandas DaFrame的建立方法
• pandas DataFrame的查询方法
• pandas DataFrame行或列的删除方法
• pandas DataFrame的修改方法

在操做DataFrame时，确定会常常用到loc，iloc，at等函数，各个函数看起来差很少，可是仍是有不少区别的，咱们一块儿来看下吧。

首先，仍是列出一个咱们用的DataFrame，注意index一列，以下：

接下来，介绍下各个函数的用法：

一、loc函数

愿意看官方文档的，请戳这里，这里通常最权威。
loc函数是基于“标签”选择数据的，可是也能够接受一个boolean的array，对于每一个用法，咱们从参数方面来一一举例：

1.1 单个label

接受一个“标签”（label）参数，返回一个Series，例以下面这个例子收一个标签，返回经过这个标签订位的行的值，注意这里是经过标签订位，而不是经过中括号中的数字定位第几行，以后咱们经过对比iloc函数时还会细说。

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

1.2 一个label的array

若是键入一个标签的array，那么就返回一个对应的DataFrame：

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

结果以下：

1.3 加入一个切片array

test_dict_df.loc[[1:4]]

结果以下：

1.4 行标签，列标签

经过在中括号中加入行标签和列标签来定位一个cell，至关于坐标的定位：

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

1.5 行标签或者列标签是切片array

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

1.6 还能够接受条件，进行选择

例如咱们选择英语成绩超过90的全部行：

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

固然，也能够再条件选择后，再加入列选择，列选择的时候能够单列，也能够是切片数组，经过上面的介绍这里就能够灵活处理：

test_dict_df.loc[test_dict_df['english']>90,'english'] #single label
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 接受一个boolean的array

能够接受一个boolean的array，至关于按照这个表的真假按照位置的顺序选择值

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

loc还有不少用法，这里先介绍到这里吧，固然若是你的DataFrame是复合的行或者复合列，写法也是不一样的，具体就能够查阅官方文档了！

二、iloc函数

官方文档戳这里。
iloc函数与loc函数不一样的是，它接受的是一个数字，表明着要选择数据的位置：

test_dict_df.iloc[6]

这表明咱们选择的是第6行，而不是index为6的那一行。固然，也能够接受一个boolean的array，至关于按照这个表的真假按照位置的顺序选择值：

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

这里iloc也能够接受切片array：

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

三、ix函数（0.20.0版本后已经弃用）

ix就是一种混合索引，字符串的标签和证书的数据索引均可以做为合法输入，其实至关于loc和iloc的一个混合方法：

test_dict_df.ix['Alice']
test_dict_df.ix[1]

上述两种方法都能获得值，这里咱们就不追究这个函数具体是怎样的检索顺序或者工做原理了。由于官方给出的是从pandas0.20.0以后，ix函数已经被弃用。其实在使用的时候，ix函数虽然方便，可是的确有时候会显得比较混乱，因此咱们以后也尽可能少用这个函数吧，仍是按照官方大佬的指导。

四、at函数

at是用来选择单个值的，此时用法相似于loc：

test_dict_df.at[1,'english']
test_dict_df.loc[1,'english']

以上两种方法都能选择到，label为1，列为'english'的那个值，可是听说at速度要快，这点我没有考证过。

五、iat函数

iat函数相对于at函数，就至关于iloc相对于loc函数。iat也只能选择一个值。只不过是用索引位置来选择，注意：行列都是索引位置来选择，从0开始数。

# test_dict_df.iat[1,'english'] #error!!!
test_dict_df.iat[2,2] #right!!!

六、归纳一下

最后咱们归纳一下：
一、 loc和iloc函数都是用来选择某行的，iloc与loc的不一样是：iloc是按照行索引所在的位置来选取数据，参数只能是整数。而loc是按照索引名称来选取数据，参数类型依索引类型而定；
二、 at和iat函数是只能选择某个位置的值，iat是按照行索引和列索引的位置来选取数据的。而at是按照行索引和列索引来选取数据；
三、 loc和iloc函数的功能包含at和iat函数的功能。

相应的代码链接：github代码 先写到这里，若有新的再补充。