Python | Pandas | Selection and Slicing

取值(select)和切片(slice)都涉及索引(index)。Series与DataFrame的行和列都可能具有双重索引，即显式索引和隐式索引。显式索引指通过创建对象时设置index/columns参数，或创建后修改对象的index/columns属性，显式指定的索引；隐式索引指从0到len-1的天然索引。当显式设置索引时，对象具有不同的双重索引；当未显式设置特定的索引时，对象具有相同的从0到len-1的双重索引。

双重索引可能使情况变得复杂。例如，当显式索引是不同于隐式索引的整数序列时，data[1]究竟是按显式索引取值还是按照隐式索引取值？为了避免上述情况，pandas提供了强大的索引器(indexer)进行取值与切片操作。因此，每部分首先介绍索引器版本的取值与切片，再介绍普通的取值与切片方法。

Table of contents

• 1. Series的取值与切片
  • 1.1 Selection：取值
    • 1) 索引器属性
    • 2) 常规方法
  • 1.2 Slicing：切片
    • 1) 索引器属性
    • 2) 常规方法
• 2. DataFrame的取值与切片
  • 2.1 Selection：取值
    • 1) 索引器属性
    • 2) 常规方法
  • 2.2 Slicing：切片
    • 1) 索引器属性
    • 2) 常规方法
• 3. 小结：关于取值和切片的常规方法

1. Series的取值与切片

1.1 Selection：取值

1) 索引器属性

整数索引容易造成混淆，因此pandas提供了“规则分明”的索引器属性作为取值（或切片）的方法：

• loc属性：表示取值和切片都遵照显式索引；
• iloc属性：表示取值和切片都遵照隐式索引，integer-location；

# 数据准备
data = pd.Series(list('abcde'), index = [1,2,3,4,5])
data

1    a
2    b
3    c
4    d
5    e
dtype: object

# loc：显式索引
data.loc[1]

'a'

# iloc：隐式索引
data.iloc[1]

'b'

2) 常规方法

# 数据准备
data2 = pd.Series([3.13,9.43,7.63,2.18], index = ['a','b','c','d'])
data2

a    3.13
b    9.43
c    7.63
d    2.18
dtype: float64

# 用显式索引取值
print(data2['a'])
print(data2['b'])
print(data2['c'])

3.13
9.43
7.63

# 用隐式索引取值
print(data2[0])
print(data2[1])
print(data2[-1])

3.13
9.43
2.18

上述例子中，因为显式索引的元素类型是字符串，而不是整数，所以不会产生混淆——方括号中是字符串，pandas知道你是在用显式索引；方括号中是整数，pandas知道你是在用隐式索引。但下例：

# 数据准备
data3 = pd.Series([11,22,33,44], index = [1,2,3,4])
data3

1    11
2    22
3    33
4    44
dtype: int64

data3[0]，此时pandas知道你是在用隐式索引吗？不，当显式索引的元素全部为整数类型时，pandas无法区分隐式索引与显式索引。此时显式将会把隐式覆盖，因此此例中data3[0]将报错。

# 报错 - KeyError: 0
# data3[0]

总之，使用常规方法取值时，pandas会首先判断一下你的Series的显式索引的类型：

• 如果全都是整数类型，则只能用显式索引，隐式索引失效；
• 否则，显式索引和隐式索引都能使用。

1.2 Slicing：切片

1) 索引器属性

• loc：遵照显式索引切片，前闭后闭；
• iloc：遵照隐式索引切片，前闭后开。

# 数据准备
data1 = pd.Series([3.13,9.43,7.63,2.18], index = ['a','b','c','d'])
data1

a    3.13
b    9.43
c    7.63
d    2.18
dtype: float64

data2 = pd.Series([11,22,33,44], index = [1,2,3,4])
data2

1    11
2    22
3    33
4    44
dtype: int64

print(data1.loc['a':'c'])
print("="*20)
print(data1.iloc[0:2])

a    3.13
b    9.43
c    7.63
dtype: float64
====================
a    3.13
b    9.43
dtype: float64

print(data2.loc[1:3])
print("="*20)
print(data2.iloc[1:3])

1    11
2    22
3    33
dtype: int64
====================
2    22
3    33
dtype: int64

2) 常规方法

使用常规方法切片时，pandas会首先判断一下你的Series的显式索引的类型：

• 如果全是整数，则只能用隐式索引，显式索引失效；
• 否则，显式索引和隐式索引都能用，但是有区别：
  • 使用显示索引切片，前闭后闭；
  • 使用隐式索引切片，前闭后开。

# 数据准备
data3 = pd.Series([3.13,9.43,7.63,2.18], index = ['a','b','c','d'])
data3

a    3.13
b    9.43
c    7.63
d    2.18
dtype: float64

# 隐式索引，前闭后开
data3[1:3]

b    9.43
c    7.63
dtype: float64

# 显示索引，前闭后闭
data3['a':'c']

a    3.13
b    9.43
c    7.63
dtype: float64

# 数据准备——索引为全整数
data4 = pd.Series([11,22,33,44], index = [1,2,3,4])
data4

1    11
2    22
3    33
4    44
dtype: int64

# 只能是隐式索引
print(data4[1:3])
print("="*20)
print(data4[0:3])

2    22
3    33
dtype: int64
====================
1    11
2    22
3    33
dtype: int64

2. DataFrame的取值与切片

2.1 Selection：取值

1) 索引器属性

给索引器传入单个整数，取的是一行，而非一列：

# 数据准备
np.random.seed(0)
df1 = pd.DataFrame(np.random.randint(0,99,(3,4)),columns=[1,2,3,4], index = [1,2,3])
df1

df1.loc[1]

1    44
2    47
3    64
4    67
Name: 1, dtype: int64

df1.iloc[1]

1    67
2     9
3    83
4    21
Name: 2, dtype: int64

# 取第2列
df1.loc[:, 2]

1    47
2     9
3    87
Name: 2, dtype: int64

# 取第2列
df1.iloc[:, 1]

1    47
2     9
3    87
Name: 2, dtype: int64

2) 常规方法

DataFrame的常规方法取值，只能用显式索引，隐式索引不起效果；且取的是一列，得到Series——即此时DataFrame被当做字典看待：

# 数据准备
np.random.seed(0)
df2 = pd.DataFrame(np.random.randint(0,99,(3,4)),columns=[1,2,3,4], index=[1,2,3])
df2

df2[1]

1    44
2    67
3    36
Name: 1, dtype: int64

2.2 Slicing：切片

1) 索引器属性

# 数据准备
np.random.seed(0)
df1 = pd.DataFrame(np.random.randint(0,99,(3,4)),columns=[1,2,3,4], index = [1,2,3])
df1

df1.loc[1:2]

df1.iloc[1:2]

多维度切片：

df1.loc[1:2,1:2]

df1.iloc[1:2,1:2]

ix索引器属性可以实现混合效果，即在一次切片中既使用显式也使用隐式索引，但正因为这样也容易让人混淆。

2) 常规方法

• 索引全是整数：按隐式切，显式失灵；
• 不全都是整数：显式和隐式都可以切。

# 数据准备
df2 = df1.copy()
df2

df2[1:3]

3. 小结：关于取值和切片的常规方法

• 取值：对于单个数据，我们一般会通过叫名字来获取，例如我们一般会说“我要height数据“、“我要weight数据”等等，而不会说”我要第3个数据“，”我要第5个数据“等等，所以索引在隐式和显式冲突的时候，显式覆盖隐式；
• 切片：对于成批数据，我们一般需要连续的许多，例如我们一般会说“给我100个数据”、“我要第50个到第60个数据”等等，所以切片在隐式和显式冲突的时候，隐式覆盖显式；
• 但还是建议在代码中使用索引器(loc/iloc)进行取值和切片操作，明确地告诉程序自己使用显式索引还是隐式索引。