记录一些pandas选择数据的内容，此前首先说行列名的获取和更改，以方便获取数据。此文作为学习巩固。
这篇博的内容顺序大概就是： 行列名的获取 —> 行列名的更改 —> 数据选择
一、pandas的行列名获取和更改
1. 获取: df.index() df.columns()
首先，举个例子，做一个DataFrame如下：
>>>import pandas as pd
>>>import numpy as np
>>>data = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
>>>data
设置了列索引为 abc，行索引是自动生成的，也可以设置
>>>data.index = ['A','B','C'] >>>data
以下的做法都以这个 data 作为数据举例
接下来就可以获取索引了，index-行索引，columns-列索引
>>>data.index
>>>data.columns
2. 修改，看到有很多方法，这里推荐一种比较灵活好用的方法
df.rename(index={ }, columns={ }, inplace=True)
>>>data.rename(index={'A':'D', 'B':'E', 'C':'F'}, columns={'a':'d', 'b':'e', 'c':'f'}, inplace = True)
>>>data
说明3点：
1. index和columns无关，可以分别指定，也就是说，可以只修改行索引，那么rename()中只写index
2. 索引可以任意挑选，如此处，index={'A':'D', 'C':'F'} 则只改A和C，columns同样
3. inplace=True, 在原dataframe上改动
二、pandas的数据选择
1. 直接用索引选(不灵活、不推荐） df[ ]
1） 选择‘a'列
>>>data['a']
注意：
1. 这样取出的数据类型为 Series
2. 这种方法只能取出一列，不能用数字下标，不能多选或片选, data['a','b'] , data['a':'c'] , data[0]
2）选择'A','B'行
>>>data['A':'B'] >>>data[0:2] # 两种方法同一结果
注意：
1. 这样取出的数据类型为 DateFrame
2. 这种方法只能用于片选行，可以用数字下标，不能单独取，即 data['A'] , data['A','B'] , data[1]
2.使用 .loc(推荐） df.loc()，()内参数先行后列，区别行列的取法
1) 取列：
>>>data.loc[:,['a','c']] #图1 需要行全取，再对应指定列
2）取行：
>>>data.loc[['A','B']] #图2 直接指定行
3）取行列交叉值：
>>>data.loc[['A'],['b','c']] #图3
注意：
1. 区别 df.iloc()
.loc() —— 使用标签 label 作为索引取值
.iloc() —— 使用整数下标 index 作为索引取值,如上面三句可以换成以下三句，输出数据类型有不同
>>>data.iloc[:,[0,2]] # DataFrame >>>data.iloc[[0,1]] # DataFrame >>>data.iloc[0,[1,2]] # Series
2. 对于 数字类型的变量，可以使用bool 选取行，列不能用bool，如
>>>data.loc[data.b>5] # DataFrame
>>>data.loc[data.b>5,['c']] #DataFrame 输出为9位置的frame >>>data.iloc[data.b.values>5,[2]] #DataFrame 输出同上，需要有 .values取值
3. .ix[ ] 可以混用label和index，位置使用同 .loc[ ] .iloc[ ]
以上这篇对pandas的行列名更改与数据选择详解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。
