【Pandas】pandas DataFrame take
Pandas2.2 DataFrame
Reindexing selection label manipulation
| 方法 | 描述 |
|---|---|
| DataFrame.add_prefix(prefix[, axis]) | 用于在 DataFrame 的行标签或列标签前添加指定前缀的方法 |
| DataFrame.add_suffix(suffix[, axis]) | 用于在 DataFrame 的行标签或列标签后添加指定后缀的方法 |
| DataFrame.align(other[, join, axis, level, …]) | 用于对齐两个 DataFrame 或 Series 的方法 |
| DataFrame.at_time(time[, asof, axis]) | 用于筛选 特定时间点 的行的方法 |
| DataFrame.between_time(start_time, end_time) | 用于筛选 指定时间范围内的数据行 的方法 |
| DataFrame.drop([labels, axis, index, …]) | 用于从 DataFrame 中删除指定行或列的方法 |
| DataFrame.drop_duplicates([subset, keep, …]) | 用于删除重复行的方法 |
| DataFrame.duplicated([subset, keep]) | 用于检测 重复行 的方法 |
| DataFrame.equals(other) | 用于比较两个 DataFrame 是否完全相等的方法 |
| DataFrame.filter([items, like, regex, axis]) | 用于筛选列或行标签的方法 |
| DataFrame.first(offset) | 用于选取 时间序列型 DataFrame 中从起始时间开始的一段连续时间窗口 的方法 |
| DataFrame.head([n]) | 用于快速查看 DataFrame 前几行数据 的方法 |
| DataFrame.idxmax([axis, skipna, numeric_only]) | 用于查找 每列或每行中最大值的索引标签 的方法 |
| DataFrame.idxmin([axis, skipna, numeric_only]) | 用于查找 每列或每行中最小值的索引标签 的方法 |
| DataFrame.last(offset) | 用于选取 时间序列型 DataFrame 中从最后时间点开始向前截取一段指定长度的时间窗口 的方法 |
| DataFrame.reindex([labels, index, columns, …]) | 用于重新索引 DataFrame 的核心方法 |
| DataFrame.reindex_like(other[, method, …]) | 用于将当前 DataFrame 的索引和列重新设置为与另一个对象（如另一个 DataFrame 或 Series）相同 |
| DataFrame.rename([mapper, index, columns, …]) | 用于重命名 DataFrame 的行索引标签或列名的方法 |
| DataFrame.rename_axis([mapper, index, …]) | 用于**重命名 DataFrame 的索引轴名称（index axis name）或列轴名称（column axis name）**的方法 |
| DataFrame.reset_index([level, drop, …]) | 用于将 DataFrame 的索引（index）重置为默认整数索引，并将原索引作为列添加回 DataFrame 中的方法 |
| DataFrame.sample([n, frac, replace, …]) | 用于从 DataFrame 中随机抽取样本行或列的方法 |
| DataFrame.set_axis(labels, *[, axis, copy]) | 用于**设置 DataFrame 的行索引（index）或列标签（columns）**的方法 |
| DataFrame.set_index(keys, *[, drop, append, …]) | 用于**将 DataFrame 中的一个或多个列设置为新的索引（index）**的方法 |
| DataFrame.tail([n]) | 用于快速查看 DataFrame 最后几行数据的方法 |
| DataFrame.take(indices[, axis]) | 用于按位置索引选取 DataFrame 中的行或列的方法 |
pandas.DataFrame.take(indices[, axis])
pandas.DataFrame.take() 是一个用于按位置索引选取 DataFrame 中的行或列的方法。它与 NumPy 的 take() 方法行为一致，适用于根据整数位置快速提取子集，常用于数据切片、索引操作和底层数组处理。
方法签名
DataFrame.take(indices, *, axis=0)
参数说明
| 参数 | 类型 | 说明 |
|---|---|---|
indices |
整数列表或一维数组 | 要提取的位置索引（基于位置，不是标签） |
axis |
{0/'index', 1/'columns'}，默认为 0 |
指定是按行选取（axis=0）还是按列选取（axis=1） |
⚠️
indices是 基于整数位置 的索引（即从 0 开始），而不是标签索引（如字符串'A'或日期）。
✅ 返回值
- 返回一个新的
DataFrame，包含指定位置的行或列； - 不会修改原始对象；
- 支持负数索引（表示从末尾开始计数）。
示例代码及结果
示例 1：基本用法 - 按位置选取行（axis=0）
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4],
'B': [10, 20, 30, 40]
}, index=['x', 'y', 'z', 'w'])
print("Original DataFrame:")
print(df)
# 取第 0 行和第 2 行（基于位置）
selected_rows = df.take([0, 2])
print("\nTake rows at positions 0 and 2:")
print(selected_rows)
输出结果：
Original DataFrame:
A B
x 1 10
y 2 20
z 3 30
w 4 40
Take rows at positions 0 and 2:
A B
x 1 10
z 3 30
示例 2：按位置选取列（axis=1）
# 取第 0 列和第 1 列（基于列的位置）
selected_cols = df.take([0, 1], axis=1)
print("\nTake columns at positions 0 and 1:")
print(selected_cols)
输出结果：
Take columns at positions 0 and 1:
A B
x 1 10
y 2 20
z 3 30
w 4 40
示例 3：使用负数索引（从末尾开始取）
# 取最后两行
last_two_rows = df.take([-2, -1])
print("\nTake last two rows using negative indices:")
print(last_two_rows)
输出结果：
Take last two rows using negative indices:
A B
z 3 30
w 4 40
示例 4：混合正负索引（顺序不影响输出顺序）
# 混合索引：取第 1 行、倒数第 2 行、第 3 行
mixed_indices = df.take([1, -2, 3])
print("\nTake rows with mixed indices [1, -2, 3]:")
print(mixed_indices)
输出结果：
Take rows with mixed indices [1, -2, 3]:
A B
y 2 20
z 3 30
w 4 40
示例 5：选取部分列并保留原索引
# 选取第一列（'A'）和第二列（'B'）
selected_columns = df.take([0, 1], axis=1)
print("\nTake first two columns (axis=1):")
print(selected_columns)
输出结果：
Take first two columns (axis=1):
A B
x 1 10
y 2 20
z 3 30
w 4 40
应用场景
- 基于位置的数据抽取：当只有整数索引可用时（如 NumPy 数组转换后）；
- 排序后提取极值行：如结合
argsort()后使用take()提取最大/最小几行； - 数据划分：在不打乱原索引的前提下提取特定位置样本；
- 底层操作兼容性：与 NumPy 兼容的索引方式，适合底层算法集成；
- 链式调用中提取子集：如
df.sort_values(...).take([0, -1])提取首尾行。
⚠️ 注意事项
take()使用的是整数位置索引，不是标签索引；- 支持负数索引（从末尾开始）；
- 不会自动检查越界，若
indices超出范围会抛出异常； - 默认作用于行（
axis=0），如需选列请设置axis=1； - 不会修改原始
DataFrame，返回新对象； - 推荐用于结构化数据处理，避免用于非结构化数据。