Python Pandas中iloc、loc与icol选取特定列及行切片的详细用法

Pandas数据选取基础与iloc、loc、icol方法详解

假设df为一个DataFrame对象，其包含的列标签分别为A、B、C和D。

该数据框的具体内容如下所示：

A B C D 0 ss 小红 8 1 aa 小明 d 4 f f 6 ak 小紫 7

DataFrame中的属性并非固定不变，若存在缺失值，默认情况下会以NA表示。

一、选取标签为A和C的列，并确保选取后的数据类型仍为DataFrame。

df = df.loc[:, ['A', 'C']]
df = df.iloc[:, [0, 2]]

二、选取标签为C的列，且仅截取前两行数据，确保选取后的数据类型仍为DataFrame。

df = df.loc[0:2, ['A', 'C']] 
df = df.iloc[0:2, [0, 2]] 

细心的读者可以发现iloc与loc的核心区别：loc依据DataFrame的具体标签名称来选取列，而iloc则依据标签在数据中的物理位置进行选取，索引从0开始计数。

在切片语法中，逗号前的冒号表示选取整列；在第二个示例中，0:2表示选取第0行至第1行（即前闭后开区间[0, 2)，不包含索引为2的行）。

需要注意的是，若执行df = df.loc[0:2, ['A', 'C']]或df = df.iloc[0:2, [0, 2]]，切片后的结果类型依然是DataFrame。此时不能直接对其进行加减乘除等算术运算，例如：

假设DataFrame中包含数学成绩（shuxue）和语文成绩（yuwen）两列，现需计算总分。正确做法是使用df['shuxue'] + df['yuwen']，因为选取单列后返回的是Series类型，可直接相加。若使用df.iloc[:,[2]]+df.iloc[:,[1]]或df.iloc[:,['shuxue']]+df.iloc[:,['yuwen']]，由于返回的是DataFrame，直接相加会产生错误结果。

另一种选取列的方式是使用df.icol(i)，其中i为该列在DataFrame中的位置索引，从0开始计数。需要注意的是，使用icol选取列后返回的数据类型是Series，而非DataFrame。

若需选取特定行的数据，可使用df.loc[[i]]或df.iloc[[i]]，其中i为行索引。

以上关于Python Pandas中利用iloc、loc及icol选取特定列与行切片的详细用法即为全部内容，希望能为读者提供参考。