浅谈pandas中Dataframe的查询方法([], loc, iloc, at, iat, ix)

技术  /  管理员 发布于 7年前   222

pandas为我们提供了多种切片方法，而要是不太了解这些方法，就会经常容易混淆。下面举例对这些切片方法进行说明。

数据介绍

先随机生成一组数据：

In [5]: rnd_1 = [random.randrange(1,20) for x in xrange(1000)]  ...: rnd_2 = [random.randrange(1,20) for x in xrange(1000)]  ...: rnd_3 = [random.randrange(1,20) for x in xrange(1000)]  ...: fecha = pd.date_range('2012-4-10', '2015-1-4')  ...:   ...: data = pd.DataFrame({'fecha':fecha, 'rnd_1': rnd_1, 'rnd_2': rnd_2, 'rnd_3': rnd_3})In [6]: data.describe()Out[6]:        rnd_1    rnd_2    rnd_3count 1000.000000 1000.000000 1000.000000mean   9.946000   9.825000   9.894000std    5.553911   5.559432   5.423484min    1.000000   1.000000   1.00000025%    5.000000   5.000000   5.00000050%   10.000000  10.000000  10.00000075%   15.000000  15.000000  14.000000max   19.000000  19.000000  19.000000

[]切片方法

使用方括号能够对DataFrame进行切片，有点类似于python的列表切片。按照索引能够实现行选择或列选择或区块选择。

# 行选择In [7]: data[1:5]Out[7]:     fecha rnd_1 rnd_2 rnd_31 2012-04-11   1   16   32 2012-04-12   7   6   13 2012-04-13   2   16   74 2012-04-14   4   17   7# 列选择In [10]: data[['rnd_1', 'rnd_3']]Out[10]:    rnd_1 rnd_30    8   121    1   32    7   13    2   74    4   75    12   86    2   127    9   88    13   179    4   710   14   1411   19   1612    2   1213   15   1814   13   1815   13   1116   17   717   14   1018    9   619   11   1520   16   1321   18   922    1   1823    4   324    6   1125    2   1326    7   1727   11   828    3   1229    4   2..   ...  ...970   8   14971   19   5972   13   2973   8   10974   8   17975   6   16976   3   2977   12   6978   12   10979   15   13980   8   4981   17   3982   1   17983   11   5984   7   7985   13   14986   6   19987   13   9988   3   15989   19   6990   7   11991   11   7992   19   12993   2   15994   10   4995   14   13996   12   11997   11   15998   17   14999   3   8[1000 rows x 2 columns]# 区块选择In [11]: data[:7][['rnd_1', 'rnd_2']]Out[11]:   rnd_1 rnd_20   8   171   1   162   7   63   2   164   4   175   12   196   2   7

不过对于多列选择，不能像行选择时一样使用1：5这样的方法来选择。

In [12]: data[['rnd_1':'rnd_3']] File "<ipython-input-13-6291b6a83eb0>", line 1  data[['rnd_1':'rnd_3']]         ^SyntaxError: invalid syntax

loc

loc可以让你按照索引来进行行列选择。

In [13]: data.loc[1:5]Out[13]:     fecha rnd_1 rnd_2 rnd_31 2012-04-11   1   16   32 2012-04-12   7   6   13 2012-04-13   2   16   74 2012-04-14   4   17   75 2012-04-15   12   19   8

这里需要注意的是，loc与第一种方法不同之处在于会把第5行也选择进去，而第一种方法只会选择到第4行为止。

data.loc[2:4, ['rnd_2', 'fecha']]Out[14]:   rnd_2   fecha2   6 2012-04-123   16 2012-04-134   17 2012-04-14

loc能够选择在两个特定日期之间的数据，需要注意的是这两个日期必须都要在索引中。

In [15]: data_fecha = data.set_index('fecha')  ...: data_fecha.head()Out[15]:       rnd_1 rnd_2 rnd_3fecha 2012-04-10   8   17   122012-04-11   1   16   32012-04-12   7   6   12012-04-13   2   16   72012-04-14   4   17   7In [16]: # 生成两个特定日期  ...: fecha_1 = dt.datetime(2013, 4, 14)  ...: fecha_2 = dt.datetime(2013, 4, 18)  ...:   ...: # 生成切片数据  ...: data_fecha.loc[fecha_1: fecha_2]Out[16]:       rnd_1 rnd_2 rnd_3fecha 2013-04-14   17   10   52013-04-15   14   4   92013-04-16   1   2   182013-04-17   9   15   12013-04-18   16   7   17

更新：如果没有特殊需求，强烈建议使用loc而尽量少使用[]，因为loc在对DataFrame进行重新赋值操作时会避免chained indexing问题，使用[]时编译器很可能会给出SettingWithCopy的警告。

具体可以参见官方文档：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

iloc

如果说loc是按照索引（index）的值来选取的话，那么iloc就是按照索引的位置来进行选取。iloc不关心索引的具体值是多少，只关心位置是多少，所以使用iloc时方括号中只能使用数值。

# 行选择In [17]: data_fecha[10: 15]Out[17]:       rnd_1 rnd_2 rnd_3fecha 2012-04-20   14   6   142012-04-21   19   14   162012-04-22   2   6   122012-04-23   15   8   182012-04-24   13   8   18# 列选择In [18]: data_fecha.iloc[:,[1,2]].head()Out[18]:       rnd_2 rnd_3fecha          2012-04-10   17   122012-04-11   16   32012-04-12   6   12012-04-13   16   72012-04-14   17   7# 切片选择In [19]: data_fecha.iloc[[1,12,34],[0,2]]Out[19]:       rnd_1 rnd_3fecha          2012-04-11   1   32012-04-22   2   122012-05-14   17   10

at

at的使用方法与loc类似，但是比loc有更快的访问数据的速度，而且只能访问单个元素，不能访问多个元素。

In [20]: timeit data_fecha.at[fecha_1,'rnd_1']The slowest run took 3783.11 times longer than the fastest. This could mean that an intermediate result is being cached.100000 loops, best of 3: 11.3 µs per loopIn [21]: timeit data_fecha.loc[fecha_1,'rnd_1']The slowest run took 121.24 times longer than the fastest. This could mean that an intermediate result is being cached.10000 loops, best of 3: 192 µs per loopIn [22]: data_fecha.at[fecha_1,'rnd_1']Out[22]: 17

iat

iat对于iloc的关系就像at对于loc的关系，是一种更快的基于索引位置的选择方法，同at一样只能访问单个元素。

In [23]: data_fecha.iat[1,0]Out[23]: 1In [24]: timeit data_fecha.iat[1,0]The slowest run took 6.23 times longer than the fastest. This could mean that an intermediate result is being cached.100000 loops, best of 3: 8.77 µs per loopIn [25]: timeit data_fecha.iloc[1,0]10000 loops, best of 3: 158 µs per loop

ix

以上说过的几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。

In [28]: date_1 = dt.datetime(2013, 1, 10, 8, 30)  ...: date_2 = dt.datetime(2013, 1, 13, 4, 20)  ...:   ...: # 生成切片数据  ...: data_fecha.ix[date_1: date_2]Out[28]:       rnd_1 rnd_2 rnd_3fecha 2013-01-11   19   17   192013-01-12   10   9   172013-01-13   15   3   10

如上面的例子所示，2013年1月10号并没有被选择进去，因为这个时间点被看作为0点0分，比8点30分要早一些。

以上这篇浅谈pandas中Dataframe的查询方法([], loc, iloc, at, iat, ix)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。