在Pandas中我们主要通过以下几个函数来定位DataFrame中的特定数据
- iloc
- loc
- iat
- at
总的来说，分为两种：
一种是通过lables(即row index和column names，这里row index可以字符，日期等非数字index)(使用loc, at);
另一种通过index(这里特指数字位置index)(使用iloc, iat)
loc和at的区别在于， loc可以选择特定的行或列，但是at只能定位某个特定的值，标量值。一般情况下，我们iloc和loc更加通用，而at, iat有一定的性能提升。
具体示例可以参考Reference中StackOverflow的示例
下面展示一些特别的：
In [630]: df
Out[630]:
age color food height score state
Jane 30 blue Steak 165 4.6 NY
Nick 2 green Lamb 70 8.3 TX
Aaron 12 red Mango 120 9.0 FL
Penelope 4 white Apple 80 3.3 AL
Dean 32 gray Cheese 180 1.8 AK
Christina 33 black Melon 172 9.5 TX
Cornelia 69 red Beans 150 2.2 TX
# 选择某一行数据
In [631]: df.loc['Dean']
Out[631]:
age 32
color gray
food Cheese
height 180
score 1.8
state AK
Name: Dean, dtype: object
# 选择某一列数据，逗号前面是行的label，逗号后边是列的label，使用":"来表示选取所有的，本例是选取所有的行，当':'在逗号后边时表示选取所有的列，但通常我们可以省略。
In [241]: df.loc[:, 'color']
Out[241]:
Jane blue
Nick green
Aaron red
Penelope white
Dean gray
Christina black
Cornelia red
Name: color, dtype: object
# 也可以如下选取一列，但是与前者是有区别的，具体参考Reference中的《Returning a view versus a copy》
In [632]: df.loc[:]['color']
Out[632]:
Jane blue
Nick green
Aaron red
Penelope white
Dean gray
Christina black
Cornelia red
Name: color, dtype: object
# 选择某几行数据，注意无论选择多行还是多列，都需要将其label放在一个数组当中，而选择单个行或列，则不需要放在数组当中
In [634]: df.loc[['Nick', 'Dean']]
Out[634]:
age color food height score state
Nick 2 green Lamb 70 8.3 TX
Dean 32 gray Cheese 180 1.8 AK
# 注意以下这种用法不行，这是由于Pandas会认为逗号后边是列的label
df.loc['Nick', 'Dean']
# 选择范围
In [636]: df.loc['Nick':'Christina']
Out[636]:
age color food height score state
Nick 2 green Lamb 70 8.3 TX
Aaron 12 red Mango 120 9.0 FL
Penelope 4 white Apple 80 3.3 AL
Dean 32 gray Cheese 180 1.8 AK
Christina 33 black Melon 172 9.5 TX
# iloc的特定用法, 可以用-1这样index来获取最后一行的数据
In [637]: df.iloc[[1, -1]]
Out[637]:
age color food height score state
Nick 2 green Lamb 70 8.3 TX
Cornelia 69 red Beans 150 2.2 TX
数据定位是后续条件过滤、赋值以及各种转换的基础，一定要熟练掌握。
另外，在定位某一个具体的元素的时候，loc和at并不完全相同
# loc支持以下两种定位方式
In [726]: df.loc['Jane', 'score']
Out[726]: 4.6
In [727]: df.loc['Jane']['score']
Out[727]: 4.6
# 但是at只支持第一种定位方式
In [729]: df.at['Nick', 'height']
Out[729]: 181
In [730]: df.at['Nick']['height']
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-730-948408df1727> in <module>()
----> 1 df.at['Nick']['height']
~/.pyenv/versions/3.6.4/envs/data_analysis/lib/python3.6/site-packages/pandas/core/indexing.py in __getitem__(self, key)
1867
1868 key = self._convert_key(key)
-> 1869 return self.obj._get_value(*key, takeable=self._takeable)
1870
1871 def __setitem__(self, key, value):
TypeError: _get_value() missing 1 required positional argument: 'col'
有两点需要说明：
- 在针对特定元素赋值的时候最好使用at来进行操作，性能提升还是很明显的。
- loc的两种方式并不等同，
df.loc['Jane', 'score']是在同一块内存中对数据进行操作，而df.loc['Jane']['score']是在另一个copy上进行操作，具体参考Returning a view versus a copy
