pandas索引和選擇資料

使用pandas索引和選擇資料時，總是需要百度，因此決定對pandas.DataFrame中的索引和選擇方法做個總結。所用的pandas版本號為0.20.1
pandas中有三種索引方法：.loc，.iloc和[]，注意：.ix的用法在0.20.0中已經不建議使用了！

下文中全部使用一個DataFrame來舉例：

.loc用法

.loc主要是基於標籤(label)的，包括行標籤(index)和列標籤(columns)，即行名稱和列名稱，可以使用df.loc[index_name,col_name]，選擇指定位置的資料，其它的用法有：
1. 使用單個標籤。如果.loc[]中只有單個標籤，那麼選擇的是某一行。 df.loc[3]選擇的是index名為‘3’的一行，注意這裡的’3’是index的名稱，而不是序號

2. 使用標籤的list：同樣是只選擇行

3. 標籤的切片物件：與通常的python切片不同，在最終選擇的資料中包含切片的start和stop

4. 布林型的陣列：通常用於篩選符合某些條件的行


5. 可呼叫的函式

lambda表示式語法：
lambda 傳入引數 ： 返回的計算表示式

iloc用法

iloc是基於位置的索引，利用元素在各個軸上的索引序號進行選擇，序號超出範圍會產生IndexError，切片時允許序號超過範圍，用法包括：
1. 使用整數：與.loc相同，如果只使用一個維度，則對行選擇，下標從0開始

2. 使用列表或陣列，同樣是對行選擇


3. 元素為整數的切片物件：與.loc不同的是，這裡下標為stop的資料不被選擇

也可以對列進行切片：

4. 使用布林陣列進行篩選：注意這裡可以使用list或者array，使用Series的話會出錯，NotImplementedError或者ValueError，前者是Series的index與待切片DataFrame的index不同時，後者是index相同時報的錯，可以自己實現體會一下。與.loc使用布林陣列，可以使用list， array，也可以使用Series，使用Series時index需要一致，否則會報IndexingError

5.使用可呼叫函式

切片操作[]

• []操作只能輸入一個維度，不能用逗號隔開輸入兩個維度：
  

  1. 使用列名：.loc和iloc只輸入一維時選取的是行，而[]選取的是列，並且必須使用列名
     
  2. 使用布林陣列：bool陣列的index需要和dataframe的index一致，此時選取的是行
     
     因此可以用來篩選符合條件的行：
     

• 避免chained assignment
  在對資料賦值使可以有以下兩種操作：
  df.loc[df.C>0.5,'C']=0.6
df[df.C>0.5][['C']]=0.6
  上面的操作可以在df上直接修改資料，而下面的操作被稱為chained assignment,會產生SettingWithCopyWarning，官網上的解釋：indexing-view-versus-copy。直觀來說就使用chained assignment無法預測是否能對資料df進行修改，使用loc一定是直接在df上修改資料，因此建議使用loc