python列表行列选择_拍了拍你，Python数据选取 —— 同时选择行列方法盘点

小咪咪 2022-10-23 01:49 284阅读 0赞

前置知识补充：

布尔索引：指的是通过传入一个判断条件来选择数据的方式，称之为布尔索引；

普通索引：通过选择行/列名来选择数据的方式，称为普通索引；

位置索引：通过传入具体的位置来选择数据的方式称为位置索引；

切片索引：通过传入一个位置区间来获取数据的方式，称为切片索引；

准备示例数据：

\# 创建一个Serise —— 传入一个字典

d= \{

'name':\['qinlu','lulu','qinqin','junjun'\],

'sex':\['male','male','female','male'\],

'age':\[18,19,22,25\]

s= pd.DataFrame(d,index = \['A1','A2','A3','A4'\])

\-- 输出结果：

namesexage

A1qinlumale18

A2lulumale19

A3qinqinfemale22

A4junjunmale25

方式1：布尔索引 + 普通索引选择指定的行和列

布尔索引 + 普通索引是先对表进行布尔索引选择行，然后通过普通索引选择列：

\#case1：zjh-98

s\[s\['age'\]<=22\] \[\['name','age'\]\]

\-- 输出结果：

nameage

A1qinlu18

A2lulu19

A3qinqin22

\# 找到符合条件的行 —— 得到数据结构，其实本身也是个数据框

\# 然后再在这个数据行下，选择我们需要的列即可，因此，就完成了，对指定行、列进行选择；

\# case2：

\# 在以上基础上，只选择某一列，数据结构就变成了Series;

s\[s\['age'\]<=22\].name

\-- 输出结果：

A1 qinlu

A2 lulu

A3 qinqin

Name: name, dtype: object

\# case3:

\# 行、列索引放在同一个\[\]中，对行列同时选择：

s.loc\[s\['age'\]<= 22,\['name','age'\]\]

\-- 输出结果：

nameage

A1qinlu18

A2lulu19

A3qinqin22

注意需要使用loc，不能使用iloc，否则会出现以下报错：

\# 英：ValueError: Location based indexing can only have \[integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array\] types汉：基于位置的索引只能具有\[整数，整数切片(起始点为INCLUDED，结束点为EXCLUDED)，类似整数的列表，布尔数组)类型

讲完普通索引，我们再来讲，使用“切片索引 + 切片索引”来选择指定行和列的方式：

方式2：切片索引 + 切片索引选择指定的行和列

切片索引 + 切片索引是同时传入行、列索引的位置区间进行数据选择。

\# 选择第1行到第3行，第1列到第2列

s.iloc\[0:3,0:3\]

\-- 输出：

namesexage

A1qinlumale18

A2lulumale19

A3qinqinfemale22

\-- 常见错误1：

s.iloc\[\[0:3\],\[0:3\]\]

\# 行列切片加上\[\]会出现报错, SyntaxError: invalid syntax/无效的语法

\-- 常见错误2：

s.loc\[0:3,0:3\]\]

\# 位置索引注意需要使用iloc，不能使用loc，否则会出现以下报错：英：cannot do slice indexing on with these indexers \[0\] of ; / 汉：无法使用的这些索引器\[0\]在上进行切片索引

方式3：切片索引 + 普通索引选择指定的行和列

如果是普通索引，就直接传入行或列名，用loc方法即可；如果是切片索引，也就是传入行或列名，用iloc方法即；如果是切片索引 + 普通索引，也就是行(列)用切片索引，列(行)用切片索引，列(行)用普通索引，看是否能够选择成功：

\# case1：使用iloc发生报错

s.iloc\[0:3,\['name','age'\]\]

\-- 输出报错：

\# 报错：英：IndexError: .iloc requires numeric indexers, got \['name' 'age'\]；汉：iloc需要数字索引器，得到\['name''age'\]

\# 原因分析：当使用行(列)名称索引时，不能使用iloc方法；若使用iloc，必须要求行或列都严格使用数字或者切片进行索引；

\# case2：使用loc出现报错

s.loc\[0:3,\['name','age'\]\]

\-- 报错：

\#报错：英：TypeError: cannot do slice indexing on with these indexers \[0\] of / 中：TypeError：无法使用的这些索引器\[0\]在上进行切片索引

\# 原因分析：有数字/切片的索引不能使用loc

\# case3：使用ix出现报错

s.ix\[0:3,\['name','age'\]\]

\# 报错：英：AttributeError：“ DataFrame”对象没有属性“ ix”;/汉：AttributeError：“ DataFrame”对象没有属性“ ix”

\# 原因分析：新版本的anconda目前已经不支持"ix"了！

结论： 新版本的Jupyter Notebook，目前已经不支持"ix"了！

方式4：位置索引 + 位置索引选择指定行和列

\# 位置索引：选择第1,4行，第1,3列

s.iloc\[\[0,3\],\[0,2\]\]

\-- 输出结果：

nameage

A1qinlu18

A4junjun25

\# case1：索引超出

s.iloc\[\[1,2\],\[2,3\]\]

\# 报错：IndexError: positional indexers are out-of-bounds/汉：IndexError：位置索引器超出范围；

\# case2：s.loc\[\[0,3\],\[0,2\]\]

\# 报错：KeyError: "None of \[Int64Index(\[0, 3\], dtype='int64')\] are in the \[index\]"/ 中文：KeyError：“ \[Int64Index(\[0，3\]，dtype ='int64')\]都不在\[索引\]中”

\# 原因分析：当使用位置索引 + 位置索引选择指定行和列时，需要利用iloc方法传入行列位置

方式5：普通索引 + 普通索引选择指定行和列

\# 普通索引 + 普通索引就是通过同时传入行和列的索引名称进行数据选择，需要用到loc方法;

s.loc\[\['A1','A2','A4'\],\['name','age'\]\]

\-- 输出结果：

nameage

A1qinlu18

A2lulu19

A4junjun25

\# 报错：s.iloc\[\['A1','A2','A4'\],\['name','age'\]\];英文：IndexError: .iloc requires numeric indexers, got \['A1' 'A2' 'A4'\]

\# 原因分析：当使用普通索引 + 普通索引选择指定行和列时，不能使用iloc

原文链接:https://blog.csdn.net/weixin\_44976611/article/details/106857478