使用iloc，loc和ix在Pandas DataFrames中选择行和列

使用iloc，loc和ix在Pandas DataFrames中选择行和列

78评论 / 博客，数据科学，pandas，python，教程 / shanelynn

Pandas数据选择

有多种方法可以从Pandas DataFrames中选择和索引行和列。我发现在线教程侧重于行和列选择的高级选择，这对我的要求有点复杂。

选择选项

在Pandas中实现选择和索引活动有三个主要选项，这可能会令人困惑。本文涉及的三个选择案例和方法是：

1. 按行号选择数据（.iloc）
2. 按标签或条件语句选择数据（.loc）
3. 选择混合方法（.ix）（现在在Pandas 0.20.1中弃用）

数据设置

此博客文章受其他教程的启发，描述了使用这些操作的选择活动。本教程适用于一般数据科学情况，通常我发现自己：

1. 数据框中的每一行代表一个数据样本。
2. 每列都是一个变量，通常以其命名。我很少选择没有名字的专栏。
3. 我需要快速并经常从数据框中选择相关的行以进行建模和可视化活动。

对于初学者来说，Python 的Pandas库提供了高性能，易于使用的数据结构和数据分析工具，用于处理“系列”和“数据框架”中的表格数据。它使您的数据处理更加轻松，我之前写过关于  使用Pandas对数据进行分组和汇总的文章。

本博客文章中讨论的iloc和loc方法摘要。iloc和loc是从Pandas数据帧中检索数据的操作。

Pandas DataFrames的选择和索引方法

对于这些探索，我们需要一些样本数据 - 我从www.briandunning.com下载了uk-500样本数据集。此数据包含虚构英国字符的人工名称，地址，公司和电话号码。要继续，您可以在此处下载.csv文件  。加载如下数据（图表这里来自Jupyter笔记本  在蟒蛇Python的安装）：

	将 pandas 导入为 pd
	随机导入
	＃从下载的CSV文件中读取数据。
	data = pd.read_csv（' https://s3-eu-west-1.amazonaws.com/shanebucket/downloads/uk-500.csv '）
	＃设置一个数字id，用作示例的索引。
	数据[ ' ID ' ] = [random.randint（0，1000）为 X 在 范围（data.shape [ 0 ]）]
	data.head（5）

查看原始 Pandas索引 - 加载由GitHub 托管的Data.py

View the code on Gist. 从CSV文件加载的示例数据。

	＃使用iloc和DataFrame进行单选
	＃行：
	data.iloc [ 0 ] ＃第一行数据帧（Aleshia Tomkiewicz） - 注意一个Series数据类型输出。
	data.iloc [ 1 ] ＃第二行数据框（Evan Zigomalas）
	data.iloc [ - 1 ] ＃最后一行数据帧（Mi Richan）
	＃列：
	data.iloc [：，0 ] ＃数据帧的第一列（first_name）
	data.iloc [：，1 ] ＃数据帧的第二列（last_name）
	data.iloc [：，- 1 ] ＃数据帧的最后一列（id）

查看原始 Pandas索引 -由GitHub 托管的单个iloc selections.py

View the code on Gist.

可以使用.iloc索引器一起选择多个列和行。

	＃使用iloc和DataFrame进行多行和列选择
	data.iloc [ 0：5 ] ＃前五行数据帧
	data.iloc [：，0：2 ] ＃包含所有行的前两列数据帧
	data.iloc [[ 0，3，6，24 ]，[ 0，5，6 ]] ＃第一，第四，第七，第25行+第一第六第七列。
	data.iloc [ 0：5，5：8 ] ＃前5行和第五，第六，数据帧的第七列（县- > PHONE1）。