Python-pandas-DataFrame取值--.loc[]、.iloc[] 具体的操作及详细语义和语法说明

Python-pandas-DataFrame取值–.loc[]、.iloc[] 具体的操作及详细语义和语法说明

提示：帮帮志会陆续更新非常多的IT技术知识，希望分享的内容对您有用。本章分享的是pandas的使用语法。前后每一小节的内容是存在的有：学习and理解的关联性。【帮帮志系列文章】：每个知识点，都是写出代码和运行结果且前后关联上的去分析和说明（能大量节约您的时间）。
所有文章都不会直接把代码放那里，让您自己去看去理解。我希望我的内容对您有用而努力~

python语法-pandas第三节-附 ：本小节是 DataFrame全系列分享(使用.特点.说明.外部文件数据.取值.功能函数.统计函数)的 ： 取值额外方法篇：.[] 、.loc[]、.iloc[]

详细的 DataFrame全系列：
DataFrame全系列分享(使用.特点.说明.外部文件数据.取值.功能函数.统计函数)

---

---

前言

在工作中，数据量都比较大/比较多。使用pandas读取外部文件，如：Excel、csv的数据时，是一个表格型的数据（有表头有列有行）正好pandas的DataFrame(表格结构)来存储。
然而，日常很多很多时候，并不是每次都把 全部的数据一口气都取出来 做 数据处理。
日常：仅仅需要某列的数据、某几列的数据。某一段(xxx~xxx)的多少行数据 来做处理或可视化。

总结：
在处理这类数据时，往往要根据需求先获取数据中的子集，如某些列、某些行、行列交叉的部分等。
快速整理说明：

df[]：快捷的整行整列选取

df.loc[]：按标签的行列交叉选取

df.iloc[]：按位置序号的行列交叉选取

准备案例变量数据：
此处没有使用外部数据，是手动填写了若干数据，方便大家复制测试
外部数据导入及其他常用方法(声明DataFrame，操作DataFrame等等)。可以查看文章开头 全系列文章。方便理解

import pandas as pd#准备数据
mydata = {#表格数据#列名:[数据]'id':[1,2,3,4,5,6],'name':['bangbangzhi','hello','python','java','pandas','hadoop'],'班级/部门':['行政部','帮帮志','销售部','研发部','售后部','部不部'],'number':[101,102,103,104,105,106],'日期':['2000年1月1日','2000年1月2日','2000年1月3日','2000年1月4日','2000年1月5日','2000年1月6日']
}myDf01 = pd.DataFrame(mydata)#生成DataFrame
print(myDf01)#瞅一眼#模拟了商家 班级 部门等等数据 列可以是姓名 年龄 性别 日期 编号等等等

概念说明：方便理解，比心~

行索引，没有在代理里面指定，是自动生成的。从0开始
列索引 ：为了我们在操作数据的时候方便取值/使用。列名一般自己定义(Excel、csv一般也自带表头)。但是，重要！！！
DataFrame给我们生成了一个隐藏的值，从0开始： 第一列 0 第二列 1 第三列 2 （可以直接用的，怕大家看晕 列的0~n。隐藏的~）

---

.[]取值

语法：

df.[]  #用DataFrame数据类型的调用[]

df.[]：方括号内输入列索引/列名，则 选取的是列；而方括号内输入切片、条件选取的是行
df.[]：输入切片选取整行时，如果是按照位置序号的切片，左闭右开；按行标签的切片，左闭右闭。

#按列取出#df.[列名]
print(myDf01['id'])  #取id的那一列  #这个没有截屏（不然图片太大）#df.[列名]
print(myDf01[['id','name','日期']])  #取id 和 name 和 日期 的那三列

#切片取出
print(myDf01[1:3])#取第2行(包含) 到 第4行（不包含）

#切片取出
#这步骤很重要  不然报错
df1 = myDf01.set_index("日期") #设置某列为整表的行索引index
print(df1['2000年1月2日':'2000年1月4日'])#取第2行(包含) 到 第4行（包含）

---

.loc[]取值

df.loc[行选择,列选择]。参数面向的是标签。

#df.loc[行选择,列选择]
#第一个参数是行  第二个参数是列
print(myDf01.loc[2,'name'])#python
print(myDf01.loc[3,'班级/部门'])#研发部
print("隔开一下")#多个数据取出#[[行],[列]]
#想取某几行的就填写几个行索引  想取某几列的就填写几个列索引，相互不影响
#               两行（具体哪两行）  三列（具体哪三列）
#可以去指定set_index  行索引   
#直接用数据来取值 如：日期(2000年1月4日这行的某几列)来取值    
print(myDf01.loc[[2,4],['name','班级/部门','number']])

---

.iloc[]取值

df.iloc[行位置序号,列位置序号]。参数面向的是位置序号。

#行从0开始数 2 第三行  列从0开始数  第二列
print(myDf01.iloc[2,1])#python
print(myDf01.iloc[3,2])#研发部
print("隔开一下")#取多个
#2，4  第三行和第5行   1,2,3 第二列 第三列 第四列
print(myDf01.iloc[[2,4],[1,2,3]])

没有偷懒，图是重新截屏的。故意写的这几个数字，就是为了取出和刚刚loc[]一模一样的内容。

---

.loc[]和.iloc[]总结和切片

df.loc[行选择,列选择]。参数面向的是标签。
df.iloc[行位置序号,列位置序号]。参数面向的是位置序号。

刚刚的案例 ， 数据中间填写的 逗号。意味这几个都需要选，如：

print(myDf01.iloc[[2,4],[1,2,3]])

.loc[]和.iloc[]两个数据都可以填写 冒号 。意味切片（从某某位置 到 某某位置）
数据特别多，不可能每个每个都用逗号隔开，写一遍。 用切片

#loc 参数是标签
#很多很多种 不同的排列组合，取出各种各样的不同范围数据
print(myDf01.loc[[起始行:结束行],[起始列:结束列]])
#如
print(myDf01.loc[["2000年1月2日":"2000年1月5日"],["name":"number"]])
#2000年1月2日行开始 包括中间的 一直到 "2000年1月5日"行
#name列 开始  一直到 number列  自然中间包括了中间的列：班级/部门#iloc 参数是位置序号
#很多很多种 不同的排列组合，取出各种各样的不同范围数据
print(myDf01.iloc[[起始行位置:结束行位置],[起始列位置:结束列位置]])
#如
print(myDf01.iloc[[2:10],[3:5]])

---

按条件来取值

#  df.[]的写法
#其他列不管，  只要number列里面  >102  <105 范围里面的，用&  两个条件同时满足
print(myDf01[(myDf01['number']>102) & (myDf01['number']<105)])
# #  df.loc[]的写法
print(myDf01.loc[(myDf01['number']>102) & (myDf01['number']<105),:])
# # &与、|或、~非
print(myDf01.loc[(myDf01['number']>102) & ~(myDf01['number']>=105),:])

---

总结

（会陆续更新非常多的IT技术知识及泛IT的电商知识，可以点个关注，共同交流。ღ( ´･ᴗ･` )比心）
（也欢迎评论，提问。 我会依次回答~）