最后一名超级谋杀犯,张子萱男友杨一柳,食品机械行业网
最近使用pandas，一直搞不清楚其中几种切片方法的区别，今天专门看了一下。
如：
s.index_name df.column_name
但是这种方法索引的名字可能会与自带的方法冲突，比如min，max等等，所以可能会失效。另外，在新版本中，这种索引方法不能作为左值。
df['A']
df[['A', 'B']]
如果要交换两列，直接用这样的方法是不对的：
df.loc[:,['B', 'A']] = df[['A', 'B']]
这是因为pandas默认在赋值的时候回匹配列名，这里面的AB和BA实际上没有区别。如果想要交换两列的话，应该使用AB两列的值作为右值，这样就不带列索引名了。
df.loc[:,['B', 'A']] = df[['A', 'B']].values
我要评论df=pd.DataFrame(np.arange(16).reshape((4,4)),index=list(range(4)),columns=['a','b','c','d'])
df
Out[4]:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
df[0:1] Out[6]: a b c d 0 0 1 2 3
这里如果是Series，就可以使用单独的数字来索引；如果是Dataframe，就不可以，需要使用Python的slice对象形式的来索引。
由于pandas处理的是具有标签的表格对象，所以设计一套基于标签的索引方法是必要的，这就是loc
loc索引要注意的是：
df.loc[0:3,'a':'c']
Out[9]:
a b c
0 0 1 2
1 4 5 6
2 8 9 10
3 12 13 14
注意上面的0:3实际上并不是数字，而是行的label。
loc也可以接受布尔索引来取出其中的一些行
df.loc[df.loc[:,'a']>1]
iloc的用法完全和numpy中的数字索引一样，开闭区间的逻辑也和Python是相同的。
要注意的是，如果iloc方括号中直接给定一个数字或者一个slice的话，默认索引的是行。其中数字的情况会返回一个Series
df.loc[:,df.loc[1]>1]
Out[21]:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
df.loc[:,df.loc[1]>4]
Out[22]:
b c d
0 1 2 3
1 5 6 7
2 9 10 11
3 13 14 15
df.iloc[1]
Out[23]:
a 4
b 5
c 6
d 7
Name: 1, dtype: int32
type(df.iloc[1])
Out[24]: pandas.core.series.Series
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
python求numpy中array按列非零元素的平均值案例
网友评论