Series和DataFrame提供了丰富的下标存取方法,除了直接使用[]运算符之外,还可以使用.loc[]、.iloc[]、.at[]、.iat[]和.ix[]等存取器存取其中的元素。
下面的表1总结了DataFrame对象的各种存取方法:
表1 DataFrame对象的各种存取方法
方法 | 说明 |
[col_label] | 以单个标签作为下标,获取与标签对应的列,返回Series对象 |
[col_labels] | 以标签列表作为下标,获取对应的多个列,返回DataFrame对象 |
[row_slice] | 整数切片或标签切片,得到指定范围之内的行 |
[row_bool_array] | 选择布尔数组中True对应的行 |
.get(col_label, default) | 与字典的get()方法的用法相同 |
.at[index_label, col_label] | 选择行标签和列标签对应的值,返回单个元素 |
.iat[index, col] | 选择行编号和列编号对应的值,返回单个元素 |
.loc[index, col] | 通过单个标签值、标签列表、标签数组、布尔数组、标签切片等选择指定行与列上的数据 |
.iloc[index, col] | 通过单个整数值、整数列表、整数数组、布尔数组、整数切片选择指定行与列上的数据 |
.ix[index, col] | 同时拥有.loc[]和.iloc[]的功能,既可以使用标签下标也可以使用整数下标 |
.lookup(row_labels, col_labels) | 选择行标签列表与列标签列表中每对标签对应的元素值 |
.get_value(row_label, col_label) | 与.at[]的功能类似,不过速度更快 |
.query() | 通过表达式选择满足条件的行 |
.head() | 获取头部N行数据 |
.tail() | 获取尾部N行数据 |
np.random.seed(42)
df = pd.DataFrame(np.random.randint(0, 10, (5, 3)),
index=["r1", "r2", "r3", "r4", "r5"],
columns=["c1", "c2", "c3"])
一、[]操作符
通过[]操作符对DataFrame对象进行存取时,支持以下5种下标对象:
·单个索引标签:获取标签对应的列,返回一个Series对象。
·多个索引标签:获取以列表、数组(注意不能是元组)表示的多个标签对应的列,返回一个DataFrame对象。
·整数切片:以整数下标获取切片对应的行。
·标签切片:当使用标签作为切片时包含终值。
·布尔数组:获取数组中True对应的行。
·布尔DataFrame:将DataFrame对象中False对应的元素设置为NaN。
下面显示整数切片和标签切片的结果,注意标签切片包含终值"r4":
df.c1 > 4是一个布尔序列,因此df[df.c1 > 4]获得该序列中True对应的行。df > 2是一个布尔DataFrame对象,df[df > 2]将其中False对应的元素置换为NaN:
二、.loc[]和.iloc[]存取器
.loc[]的下标对象是一个元组,其中的两个元素分别与DataFrame的两个轴相对应。若下标不是元组,则该下标对应第0轴,:对应第1轴。每个轴的下标对象都支持单个标签、标签列表、标签切片以及布尔数组。
df.loc["r2"]获得"r2"对应的行,它返回一个Series对象。df.loc["r2", "c2"]获得"r2"行"c2"列的元素,它返回单个元素值。
df.loc[["r2", "r3"]]获得"r2"和"r3"对应的行。df.loc[["r2","r3"],["c1","c2"]]则获得"r2"和"r3"行、"c1"和"c2"列上的数据,所得到的数据都是新的DataFrame对象。
在下面的程序中,第0轴的下标分别为标签切片和布尔数序列:
.iloc[]和loc[]类似,不过它使用整数下标:
此外.ix[]的存取器可以混用标签和位置下标,例如:
如果DataFrame对象有整数索引,则应该使用.loc[]和.iloc[]以避免混淆。
三、获取单个值
.at[]和.iat[]分别使用标签和整数下标获取单个值,此外get_value()与.at[]类似,不过其执行速度要快一些:
当.loc[]的下标对象是两个标签列表时,所获得的是这两个列表形成的网格上的元素,这与NumPy的数组下标操作不一样。如果希望获取两个列表中每对标签所对应的元素,可以使用lookup(),它返回一个包含指定元素的数组:
df.lookup(["r2", "r4", "r3"], ["c1", "c2", "c1"])
array([4, 3, 2])
四、多级标签的存取
.loc[]和.at[]的下标可以指定多级索引中每级索引上的标签。这时多级索引轴对应的下标是一个下标元组,该元组中的每个元素与索引中的每级索引对应。若下标不是元组,则将其转换为长度为1的元组,若元组的长度比索引的层数少,则在其后面补slice(None)。
soil_df = pd.read_csv("data/Soils-simple.csv", index_col=[0, 1], parse_dates=["Date"])
在下面的例子中,"10-30"为第0轴的标签,根据前面的规则,将其转换为("10-30", slice(None)),即选择第0级中"10-30"对应的行:
如果需要选择第1级中"Top"对应的行,则需要把slice(None)作为第0级的下标。由于Python中只有直接在[]中才能使用以:分隔的切片语法,因此这里使用np.s_对象创建第0轴对应的下标:(slice(None), "Top")。
五、query()方法
当需要根据一定的条件对行进行过滤时,通常可以先创建一个布尔数组,使用该数组获取True对应的行,例如下面的程序获得pH值大于5、Ca含量小于11%的行。由于Python中无法自定义not、and和or等关键字的行为,因此需要改用~、&、|等位运算符。然而这些运算符的优先级比比较运算符要高,因此需要用括号将比较运算括起来:
soil_df[(soil_df.pH > 5) & (soil_df.Ca < 11)]
使用query()可以简化上述程序:
query()的参数是一个运算表达式字符串。其中可以使用not、and和or等关键字进行向量布尔运算,表达式中的变量名表示与其对应的列。如果希望在表达式中使用其他全局或局域变量的值,可以在变量名之前添加@,例如:
pH_low = 5
Ca_hi = 11
print soil_df.query("pH > @pH_low and Ca < @Ca_hi")