我们对 DataFrame 进行选择，大抵从这三个层次考虑：行列、区域、单元格。
其对应使用的方法如下：
一. 行，列 --> df[]
二. 区域 --> df.loc[], df.iloc[], df.ix[]
三. 单元格 --> df.at[], df.iat[]
下面开始练习：
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))
1. df[]:
一维
行维度：
整数切片、标签切片、<布尔数组>
列维度：
标签索引、标签列表、Callable
df[:3] df['a':'c'] df[[True,True,True,False,False,False]] # 前三行（布尔数组长度等于行数） df[df['A']>0] # A列值大于0的行 df[(df['A']>0) | (df['B']>0)] # A列值大于0，或者B列大于0的行 df[(df['A']>0) & (df['C']>0)] # A列值大于0，并且C列大于0的行
df['A'] df[['A','B']] df[lambda df: df.columns[0]] # Callable
2. df.loc[]
二维，先行后列
行维度：
标签索引、标签切片、标签列表、<布尔数组>、Callable
列维度：
标签索引、标签切片、标签列表、<布尔数组>、Callable
df.loc['a', :] df.loc['a':'d', :] df.loc[['a','b','c'], :] df.loc[[True,True,True,False,False,False], :] # 前三行（布尔数组长度等于行数） df.loc[df['A']>0, :] df.loc[df.loc[:,'A']>0, :] df.loc[df.iloc[:,0]>0, :] df.loc[lambda _df: _df.A > 0, :]
df.loc[:, 'A'] df.loc[:, 'A':'C'] df.loc[:, ['A','B','C']] df.loc[:, [True,True,True,False]] # 前三列（布尔数组长度等于行数） df.loc[:, df.loc['a']>0] # a行大于0的列 df.loc[:, df.iloc[0]>0] # 0行大于0的列 df.loc[:, lambda _df: ['A', 'B']]
df.A.loc[lambda s: s > 0]
3. df.iloc[]
二维，先行后列
行维度：
整数索引、整数切片、整数列表、<布尔数组>
列维度：
整数索引、整数切片、整数列表、<布尔数组>、Callable
df.iloc[3, :] df.iloc[:3, :] df.iloc[[0,2,4], :] df.iloc[[True,True,True,False,False,False], :] # 前三行（布尔数组长度等于行数） df.iloc[df['A']>0, :] #× 为什么不行呢？想不通！ df.iloc[df.loc[:,'A']>0, :] #× df.iloc[df.iloc[:,0]>0, :] #× df.iloc[lambda _df: [0, 1], :]
df.iloc[:, 1] df.iloc[:, 0:3] df.iloc[:, [0,1,2]] df.iloc[:, [True,True,True,False]] # 前三列（布尔数组长度等于行数） df.iloc[:, df.loc['a']>0] #× df.iloc[:, df.iloc[0]>0] #× df.iloc[:, lambda _df: [0, 1]]
4. df.ix[]
二维，先行后列
行维度：
整数索引、整数切片、整数列表、
标签索引、标签切片、标签列表、
<布尔数组>、
Callable
列维度：
整数索引、整数切片、整数列表、
标签索引、标签切片、标签列表、
<布尔数组>、
Callable
df.ix[0, :] df.ix[0:3, :] df.ix[[0,1,2], :] df.ix['a', :] df.ix['a':'d', :] df.ix[['a','b','c'], :]
df.ix[:, 0] df.ix[:, 0:3] df.ix[:, [0,1,2]] df.ix[:, 'A'] df.ix[:, 'A':'C'] df.ix[:, ['A','B','C']]
5. df.at[]
精确定位单元格
行维度：
标签索引
列维度：
标签索引
df.at['a', 'A']
6. df.iat[]
精确定位单元格
行维度：
整数索引
列维度：
整数索引
df.iat[0, 0]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
pandas,数据索引与选取
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒 经典版》的玩家都可以获得奖励。