pandas中数据子集的获取

前言

通常，在pandas模块中实现数据框子集的获取可以使用iloc、loc和ix三种方法，这三种方法既可以对数据行进行筛选，也可以实现变量的筛选，它们的语法可以表示成[rows_select,cols_select]。

iloc只能通过行号和列号进行数据的筛选，可以将iloc中的i理解为’integer’，即只能向[rows_select,cols_select]指定整数列表
该索引方式与数组的索引方式类似，都是从0开始，可以间隔取号，对于切片仍然无法取到上限。

loc 要比iloc灵活一些，可以将loc中的l理解成’label’，即可以向 [rows_select,cols_select]指定具体的行标签（行名称）和列标签（字段名）。注意这里的标签不再是索引。而且还可以将row_select指定为具体的筛选条件，在iloc中是无法做到的。

-----ix是iloc和loc的混合，可以将ix理解成mix,该方法吸收了iloc和loc的优点，使数据框子集的获取更加灵活。(高版本pandas已没有该函数)

实战

import pandas as pd 
df1=pd.DataFrame({'name':['张三','李四','王五','赵六','孙七'],'gender':['男','女','女','女','男'],'age':[23,26,22,25,27]
},columns=['name','gender','age'])
###取出数据集中间三行(即所有女性)，并且返回姓名和年龄两列
print(df1.iloc[1:4,[0,2]])
print(df1.loc[1:3,['name','age']])
###df1.ix[1:3,[0,2]]###假如数据集没有行号，而是具体的行名称，又该如何呢？
df2=df1.set_index('name')
##取出数据集的中间三行
print(df2.iloc[1:4,:])
print(df2.loc[['李四','王五','赵六'],:])
###df2.ix[1:4,:]#使用筛选条件，取出所有男性的姓名和年龄print(df1.loc[df1.gender=='男',['name','age']])
###df1.ix[df1.gender=='男',['name','age']]

结果如下：

name age
1 李四 26
2 王五 22
3 赵六 25
name age
1 李四 26
2 王五 22
3 赵六 25
gender age
name
李四 女 26
王五 女 22
赵六 女 25
gender age
name
李四 女 26
王五 女 22
赵六 女 25
name age
0 张三 23
4 孙七 27