子集选择是数据操作中最常执行的步骤之一。Pandas提供了许多不同的方法来筛选数据帧，来获得选定的数据子集。在本文中，我们就要来处理数据时遇到的问题以及解决办法。

开始之前，我们先来创建一个示例数据帧。

#创建一个简单的数据帧
df = pd.DataFrame({
    'name' :     [ 'Chi', 'Alex', 'Sam', 'Hoang', 'Linh', 'Dung', 'Anh'],
    'function' : [ 'Marketing', 'Tech', 'Tech', 'Finance', 'Finance', 'Marketing', 'HR'],
    'address' :  [ 'Hanoi', 'Saigon', 'Hanoi', 'Saigon', 'Hanoi', 'Hanoi', 'Saigon'],
    'gender' :   ['F', 'M', 'F', 'M', 'M', 'M', 'F'],
    'favourite_fruit' : [ 'apple', 'banana', 'orange', 'watermelon', 'grape', np.NAN, 'kumquat'],
    'age' : [20,25,21,26,30,31,23]
})

以下是我们创建的 df 数据帧：

基于多个条件选择行

基于某些特定条件选择行范围的方法很少。

#使用数据帧方法
df[(df.age >=25) & (df.address == 'Hanoi')] 

#使用query函数
df.query('age >= 25 & address == "Hanoi"') 

#使用loc函数
df.loc[(df.age >= 25) & (df.address == 'Hanoi')] 

所有这些方法产生的结果如下：

使用loc、iloc选择一系列行

在本节中，介绍几种使用 loc 和 iloc 筛选数据帧的方法。

1.使用loc选择一系列行

df.loc[0:3] 

输出：

2.使用iloc选择一系列行

df.iloc[0:3]

输出：

为什么 df.loc [0:3] 返回4行，而 df.iloc[0:3] 仅返回3行？

如我们所见，使用 loc 和 iloc 的结果有所不同。造成这种差异的原因是：

• loc不返回基于索引位置的输出，而是基于索引的标签。
• iloc根据索引中的位置选择行。这也意味着iloc只能处理整数。

你也可以参考下面的示例，获取更多参考。在下方的示例中，把 index 设置为“name”列，这样你就可以更清楚地理解它的用法和我的解释了。

df4 = df.copy()
df4.set_index('name', inplace = True) 

输出：

接下来让我们再次尝试上面的示例，看看loc如何处理索引标签。

index = ['Chi', 'Sam', 'Hoang']
df4.loc[index] 

输出：

根据条件选择必需列

如果有几百列数据，而你可能只想选择其中的某些列，那么可以在loc语句中的条件之后添加列的列表中。

我们可以通过下面的示例来获取 age≥25 岁的人的“name”、“gender”和“address”。

df.loc[(df.age >=25), ['name','gender','address']] 

输出：

同时选择行和列

1.使用loc、iloc选择所有行和某些特定列

#使用 iloc
df4.iloc[:,[1,2,3]]

#使用 loc和列名称
df4.loc[:, ['address','gender','favourite_fruit']]

输出：

2.使用loc、iloc选择一系列特定的行和列

# 使用 iloc
df4.iloc[2:6,3:4]

# 使用 loc
df4.loc['Sam':'Dung',['favourite_fruit']]

输出：

3.使用loc、iloc选择不相交的行和列

#使用 iloc
df4.iloc[[1,3],[2,4]]

#使用 loc
df4.loc[['Alex','Hoang'],['gender','age']]

输出：

4.使用 get.loc 和索引方法选择行和列

column_start = df4.columns.get_loc('address')
column_end = df4.columns.get_loc('favourite_fruit')
df4.iloc[1:4,column_start:column_end] 

也可以使用.loc方法执行类似的任务。这两个操作产生相同的结果。

row_start = df4.index[1]
row_end = df4.index[3]
df4.loc[row_start:row_end, 'address':'gender']

输出：

在数据帧中选择单个元素

以下几种方法可以选择数据集中的单个元素，包括 loc、iloc、iat 和 at 方法。

通过代码，我们来看看 df4 数据，看看 Hoang 最喜欢的水果是什么？

row_position = df4.index.get_loc('Hoang')column_position = df4.columns.get_loc('favourite_fruit')

#使用 iloc
df4.iloc[row_position,column_position]

#使用 iat
df4.iat[row_position,column_position]

#使用 loc
df4.loc['Hoang','favourite_fruit'] 

#使用 at
df4.at['Hoang','favourite_fruit'] 

基本上，上述4种方法检索都得到了相同的结果，即“watermelon（西瓜）”。但是，这些方法的运行速度略有不同，at 和 iat 方法比 loc 和 iloc 方法快一点。

总结

以上为Pandas筛选数据帧时的一些常用技巧。如果你在学习Pandas，或者需要Pandas来筛选数据，这些技巧值得一学！