数据处理终极秘籍：巧用iloc和loc函数驾驭DataFrame数据筛选

人工智能

2024-01-09 23:29:00

各位数据爱好者，欢迎来到我们数据处理之旅的最后一站。我们之前已经探讨过各种数据筛选技术，但今天，我们将深入探究iloc和loc函数的奥秘，它们是DataFrame数据筛选中至关重要的工具。

让我们用一个令人兴奋的类比来开启这段旅程。想象一下，DataFrame是一个巨大的游乐场，里面有各种激动人心的游乐设施，而iloc和loc函数就像神奇的通行证，可以让你快速安全地到达任何你想要的地方。

iloc函数：基于位置的筛选

首先，让我们认识一下iloc函数。它是一个基于位置的索引器，允许你使用整数索引来选择DataFrame中的行和列。就像在一个拥挤的游乐场里，你可以使用游乐设施的编号直接找到它们一样，iloc函数可以让你通过指定行号和列号来精确地选择数据。

loc函数：基于标签的筛选

接下来，我们来看看loc函数。它是一个基于标签的索引器，允许你使用行和列的标签来选择数据。就像在一个主题公园里，你可以使用游乐设施的名称来找到它们一样，loc函数可以让你通过指定行和列的名称来选择特定的数据。

iloc和loc的强大组合

现在，让我们把iloc和loc这两个神奇的函数结合起来。它们可以形成一个强大的组合，让你以各种灵活的方式筛选数据。你可以混合使用基于位置和基于标签的索引，以满足你特定的筛选需求。

示例代码：用iloc和loc筛选数据

让我们通过一些示例代码来展示iloc和loc函数的实际应用：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie', 'Dave', 'Eve'],
                   'age': [20, 25, 30, 35, 40],
                   'city': ['London', 'Paris', 'New York', 'Berlin', 'Rome']})

# 使用iloc筛选前两行和前两列
print(df.iloc[:2, :2])

# 使用loc筛选name列中以"A"开头的行
print(df.loc[df['name'].str.startswith('A')])

# 使用iloc和loc组合筛选name为Alice且住在伦敦的行
print(df.iloc[0, :].loc[['name', 'city']])