在 Python 编程中，切片（slicing）是一种从字符串、列表或元组中提取子集的强大工具。同样，在 Pandas 库中，切片也可用于 Series 和 DataFrame 对象，但其行为方式略有不同，容易导致“越界”错误。本文将详细探讨如何在 Pandas 中正确使用切片操作，分析 .loc 和 .iloc 方法的差异，并通过示例代码阐明其工作原理。

1. Python 中的基本切片操作

在 Python 中，切片允许从序列（如字符串、列表或元组）中提取指定范围的元素。Python 切片遵循“包含起始索引，不包含结束索引”的规则。

示例：字符串切片

假设我们有一个字符串：

text = "abcdefghij"  # 包含 10 个字符

text[0] 返回第一个字符："a"
text[4] 返回索引 4 的字符（即第 5 个字符）："e"
text[7] 返回索引 7 的字符（即第 8 个字符）："h"
text[4:7] 返回从索引 4 到索引 6（不包含 7）的子字符串："efg"

示例：列表切片

对于列表，切片行为类似：

my_list = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

my_list[4] 返回索引 4 的元素：50
my_list[7] 返回索引 7 的元素：80
my_list[4:7] 返回从索引 4 到索引 6 的子列表：[50, 60, 70]

若要提取从索引 7 到列表末尾的元素，可以使用以下方法：

my_list[7:]  # 返回 [80, 90, 100]

或者显式指定结束索引：

my_list[7:10]  # 虽然索引 10 不存在，但返回 [80, 90, 100]

2. Pandas 中的切片操作

在 Pandas 中，Series 和 DataFrame 支持切片，但行为因使用 .loc 或 .iloc 而异。以下详细说明这两种方法。

2.1 创建 Pandas Series

以下是一个简单的 Pandas Series 示例：

import pandas as pd

s = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

2.2 使用.loc 和.iloc 进行切片

.loc 基于标签（label-based）：根据索引的标签（可以是数字、字符串等）进行切片，包含结束标签。
.iloc 基于位置（position-based）：根据整数位置进行切片，遵循 Python 的“包含起始索引，不包含结束索引”规则。

示例：.loc 和.iloc 的行为差异

# 使用 .loc 切片
print(s.loc[4:7])  # 输出索引 4 到 7（包含 7）的元素
# 输出：
# 4    50
# 5    60
# 6    70
# 7    80
# dtype: int64

# 使用 .iloc 切片
print(s.iloc[4:7])  # 输出索引 4 到 6（不包含 7）的元素
# 输出：
# 4    50
# 5    60
# 6    70
# dtype: int64

.loc 的包含结束标签行为与 Python 标准切片不同，这可能会让开发者感到意外。原因在于，Pandas 允许自定义索引，而非总是使用连续的整数索引。

2.3 自定义索引的复杂性

当 Series 使用自定义索引（如字符串）时，.loc 的行为更直观。考虑以下示例：

s = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100], 
              index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
print(s.loc['d':'g'])  # 输出从标签 'd' 到 'g'（包含 'g'）的元素
# 输出：
# d    40
# e    50
# f    60
# g    70
# dtype: int64

若索引非连续或非有序，.loc 仍会尝试包含起始和结束标签之间的所有元素。例如：

s = pd.Series([10, 20, 30, 40, 50], index=['j', 'i', 'g', 'f', 'e'])
print(s.loc['i':'e'])  # 输出从标签 'i' 到 'e'（包含 'e'）
# 输出：
# i    20
# g    30
# f    40
# e    50
# dtype: int64

2.4 非唯一索引的问题

当索引包含重复值时，.loc 切片可能报错。例如：

s = pd.Series([10, 20, 30, 40, 50], index=['a', 'a', 'b', 'b', 'c'])
# print(s.loc['a':'b'])  # 报错：ValueError: cannot get left slice bound for non-unique label 'a'

解决方法是先对索引排序：

s_sorted = s.sort_index()
print(s_sorted.loc['a':'b'])
# 输出：
# a    10
# a    20
# b    30
# b    40
# dtype: int64

3. 在 DataFrame 中使用切片

DataFrame 的切片行为与 Series 类似，但需要注意 .loc 和 .iloc 的使用场景。以下示例使用一个出租车数据集：

df = pd.read_csv('taxi.csv')  # 假设 taxi.csv 包含出租车行程数据

示例：DataFrame 切片

假设 df 的索引是默认的整数索引：

print(df.loc[100:105])  # 输出索引 100 到 105（包含 105）的行
print(df.iloc[100:105])  # 输出索引 100 到 104（不包含 105）的行

若将某列（如 trip_pickup_datetime）设为索引：

df = df.set_index('trip_pickup_datetime')
# print(df.loc['2023-01-01 00:00:00':'2023-01-01 01:00:00'])  # 可能报错，若索引非唯一
df_sorted = df.sort_index()
print(df_sorted.loc['2023-01-01 00:00:00':'2023-01-01 01:00:00'])

4. 切片操作的注意事项

推荐使用 .loc 和 .iloc：避免直接使用方括号（[]），因为在 Series 中方括号表示元素选择，而在 DataFrame 中表示列选择，容易引发混淆。
.loc 包含结束标签：与 Python 标准切片不同，.loc 的切片包含结束索引。
.iloc 遵循 Python 切片规则：基于位置的切片，始终不包含结束索引。
非唯一索引需排序：在使用 .loc 进行切片前，确保索引唯一或已排序，否则可能导致错误。
DataFrame 复杂索引：当 DataFrame 使用非数字索引（如日期时间）时，.loc 更适合处理基于标签的范围选择。

5. 结论

Pandas 的切片功能为数据处理提供了灵活性，但 .loc 和 .iloc 的行为差异需要特别注意。.loc 基于标签且包含结束标签，适合自定义索引；.iloc 基于位置且不包含结束索引，与 Python 标准切片一致。在处理非唯一或无序索引时，排序索引是避免错误的关键。通过合理使用这两种方法，开发者可以高效、准确地操作 Pandas 的 Series 和 DataFrame。

Python入门实践

￥69.8

购买