<blockquote>答案：Pandas中选择数据的核心方法是loc、iloc和布尔索引。loc基于标签进行索引，支持切片包含结束点，适合使用行索引和列名操作；iloc基于整数位置，切片行为与Python列表一致，适用于按位置访问数据；布尔索引通过条件筛选行，可结合逻辑运算符实现复杂查询。优先使用loc保证代码可读性，按位置操作时用iloc，避免链式索引以防止SettingWithCopyWarning，复杂条件可用query()提升可读性，单值访问推荐at和iat提高效率。</blockquote>
<p><img src="https://img.php.cn/upload/article/001/431/639/175780992221290.png" alt="python怎么从pandas dataframe中选择特定的行和列_pandas数据索引与切片技巧"></p>
<p>在Pandas中，要从DataFrame中选择特定的行和列，核心方法主要有三种：基于标签的<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>、基于整数位置的<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>，以及非常灵活的布尔索引。理解并熟练运用它们，能让你在数据处理时事半功倍，避免许多不必要的麻烦。</p>
<h3>解决方案</h3>
<p>Pandas DataFrame的数据索引与切片，就像你在地图上找具体位置一样，需要明确的坐标。我们通常会用到<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>、<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>和布尔索引这三把“瑞士军刀”。</p>
<p><strong>1. 使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div> 进行基于标签的索引和切片</strong></p>
<p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div> 是我个人最常用也最推荐的方法之一，因为它直接使用行索引（index）和列名（column names）来定位数据，非常直观。它的基本语法是 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">df.loc[row_label, column_label]</pre>
登录后复制
</div>。</p>
<p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p>
<ul>
<li>
<p><strong>选择单行或单列：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'>import pandas as pd
import numpy as np
# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4],
'B': [5, 6, 7, 8],
'C': [9, 10, 11, 12]}
df = pd.DataFrame(data, index=['x', 'y', 'z', 'w'])
print(&amp;quot;原始DataFrame:\n&amp;quot;, df)
# 选择索引为'y'的行
print(&amp;quot;\n选择索引为'y'的行:\n&amp;quot;, df.loc['y'])
# 选择列'B'
print(&amp;quot;\n选择列'B':\n&amp;quot;, df.loc[:, 'B'])</pre>
登录后复制
</div></li>
<li>
<p><strong>选择多行或多列：</strong> 可以传入一个列表。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择索引为'x'和'z'的行
print(&amp;quot;\n选择索引为'x'和'z'的行:\n&amp;quot;, df.loc[['x', 'z']])
# 选择列'A'和'C'
print(&amp;quot;\n选择列'A'和'C':\n&amp;quot;, df.loc[:, ['A', 'C']])</pre>
登录后复制
</div></li>
<li>
<p><strong>选择行和列的组合：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择索引为'y'和'w'的行的列'A'和'C'
print(&amp;quot;\n选择索引为'y','w'的行的列'A','C':\n&amp;quot;, df.loc[['y', 'w'], ['A', 'C']])
# 选择从索引'y'到'w'（包含）的所有行，以及从列'A'到'C'（包含）的所有列
# 注意：loc的切片是包含结束点的
print(&amp;quot;\n切片选择行'y'到'w'，列'A'到'C':\n&amp;quot;, df.loc['y':'w', 'A':'C'])</pre>
登录后复制
</div></li>
</ul>
<p><strong>2. 使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div> 进行基于整数位置的索引和切片</strong></p>
<p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div> 则完全依赖于数据的整数位置，就像Python列表的索引一样。它的基本语法是 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">df.iloc[row_index, column_index]</pre>
登录后复制
</div>。</p>
<ul>
<li>
<p><strong>选择单行或单列：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择第1行（索引为0开始）
print(&amp;quot;\n选择第1行:\n&amp;quot;, df.iloc[0])
# 选择第2列（索引为0开始）
print(&amp;quot;\n选择第2列:\n&amp;quot;, df.iloc[:, 1])</pre>
登录后复制
</div></li>
<li>
<p><strong>选择多行或多列：</strong> 同样可以传入一个列表。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择第0和第2行
print(&amp;quot;\n选择第0和第2行:\n&amp;quot;, df.iloc[[0, 2]])
# 选择第0和第2列
print(&amp;quot;\n选择第0和第2列:\n&amp;quot;, df.iloc[:, [0, 2]])</pre>
登录后复制
</div></li>
<li>
<p><strong>选择行和列的组合：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择第1和第3行的第0和第2列
print(&amp;quot;\n选择第1和第3行的第0和第2列:\n&amp;quot;, df.iloc[[1, 3], [0, 2]])
# 切片选择从第1行到第3行（不包含第3行），以及从第0列到第2列（不包含第2列）
# 注意：iloc的切片是排他性的，与Python列表切片行为一致
print(&amp;quot;\n切片选择行1到3(不含3)，列0到2(不含2):\n&amp;quot;, df.iloc[1:3, 0:2])</pre>
登录后复制
</div></li>
</ul>
<p><strong>3. 使用布尔索引进行条件筛选</strong></p>
<p>布尔索引是我在进行数据清洗和分析时最常用的功能之一，它允许你根据一个或多个条件来选择行。</p>
<ul>
<li>
<p><strong>单条件筛选：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列'A'中值大于2的所有行
print(&amp;quot;\n选择列'A'中值大于2的所有行:\n&amp;quot;, df[df['A'] &amp;gt; 2])</pre>
登录后复制
</div></li>
<li>
<p><strong>多条件筛选：</strong> 使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">&amp;</pre>
登录后复制
</div> (AND), <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">|</pre>
登录后复制
</div> (OR), <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">~</pre>
登录后复制
</div> (NOT) 运算符，并且每个条件表达式必须用括号括起来。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列'A'大于2且列'B'小于8的所有行
print("\n选择列'A'>2且'B'<8的所有行:\n", df[(df['A'] > 2) &amp; (df['B'] < 8)])
# 选择列'A'等于1或列'C'大于11的所有行
print("\n选择列'A'==1或'C'>11的所有行:\n", df[(df['A'] == 1) | (df['C'] > 11)])
# 选择列'A'不等于1的所有行
print("\n选择列'A'不等于1的所有行:\n", df[~(df['A'] == 1)])</pre>
登录后复制
</div></li>
<li>
<p><strong>结合 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div> 进行布尔索引和列选择：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列'A'大于2的所有行的列'B'和'C'
print(&quot;\n选择列'A'&gt;2的所有行的列'B'和'C':\n&quot;, df.loc[df['A'] &gt; 2, ['B', 'C']])</pre>
登录后复制
</div></li>
</ul>
<h3>在Pandas中，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>和<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>究竟有何<a style="color:#f60; text-decoration:underline;" title="区别" href="https://www.php.cn/zt/27988.html" target="_blank">区别</a>，我该如何选择？</h3>
<p>这确实是初学者，甚至是一些有经验的用户也时常会混淆的地方。说实话，刚开始用的时候我也常常搞不清楚什么时候该用哪个。但核心的区别其实非常简单：<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>是基于<strong>标签（label）</strong>的，而<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>是基于<strong>整数位置（integer location）</strong>的。</p>
<p>想象一下你有一本书，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>就像你在目录里找“第三章”或者“附录A”一样，它关心的是章节的名字。而<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>则像你在书架上数“从上往下第三本书”或者“从左往右第五页”，它关心的是物理上的顺序。</p>
<p><strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>的特点：</strong></p>
<ul>
<li>
<strong>使用行索引和列名。</strong> 如果你的DataFrame有自定义的行索引（比如日期、ID、类别名称），或者你希望用明确的列名来操作，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>是你的首选。</li>
<li>
<strong>切片是包含结束点的。</strong> 这一点非常关键，也是和Python原生切片行为不同的地方。比如 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">df.loc['start_label':'end_label']</pre>
登录后复制
</div> 会包含 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">end_label</pre>
登录后复制
</div> 对应的行或列。这在处理时间序列数据或者有明确范围的数据时非常方便。</li>
<li>
<strong>可以进行布尔索引。</strong> 结合条件筛选时，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>能让你在筛选行的同时，也指定要查看哪些列，这比单独的布尔索引更强大和灵活。</li>
</ul>
<p><strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>的特点：</strong></p>
<ul>
<li>
<strong>使用从0开始的整数位置。</strong> 它不关心你的行索引或列名是什么，只关心它们在DataFrame中的<a style="color:#f60; text-decoration:underline;" title="排列" href="https://www.php.cn/zt/56129.html" target="_blank">排列</a>顺序。</li>
<li>
<strong>切片是排他性的。</strong> 比如 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">df.iloc[0:5]</pre>
登录后复制
</div> 会选择索引为0到4的行，不包含第5行。这和Python列表的切片行为完全一致，对于熟悉Python的人来说更容易理解。</li>
<li>
<strong>适合循环或需要按位置动态选择数据时。</strong> 当你需要遍历DataFrame的特定部分，或者你的选择逻辑是基于数据在DataFrame中的物理位置时，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>就显得非常方便。</li>
</ul>
<p><strong>我该如何选择？</strong></p>
<div class="aritcle_card">
<a class="aritcle_card_img" href="/ai/1397">
<img src="https://img.php.cn/upload/ai_manual/000/000/000/175680029112420.png" alt="Voicv">
</a>
<div class="aritcle_card_info">
<a href="/ai/1397">Voicv</a>
<p>克隆你的声音，就像Ctrl+C, Ctrl+V一样</p>
<div class="">
<img src="/static/images/card_xiazai.png" alt="Voicv">
<span>165</span>
</div>
</div>
<a href="/ai/1397" class="aritcle_card_btn">
<span>查看详情</span>
<img src="/static/images/cardxiayige-3.png" alt="Voicv">
</a>
</div>
<p>我的建议是：</p>
<ol>
<li>
<strong>优先使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>。</strong> 如果你的DataFrame有有意义的行索引和列名，并且你的操作是基于这些标签的，那么<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>能让你的代码更具可读性和健壮性。即使数据的顺序发生变化，只要标签不变，你的代码依然能正确工作。</li>
<li>
<strong>当需要按位置操作时使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>。</strong> 比如，你总是想获取DataFrame的第一行，或者最后一列，而不管它们的标签是什么。或者在某些算法中，你需要基于数据的相对位置进行切片。</li>
<li>
<strong>避免混合使用。</strong> 尽量保持代码风格的一致性，减少混淆。</li>
</ol>
<p>一个常见的错误就是把<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>的切片行为（包含结束）和<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>的切片行为（不包含结束）搞混。我个人在写代码的时候，如果涉及到切片，会特别留意当前用的是<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>还是<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>，避免因为这个小细节导致数据选择错误。</p>
<h3>如何利用布尔索引进行复杂的数据筛选，有哪些常见陷阱？</h3>
<p>布尔索引是Pandas数据筛选的利器，它允许你根据数据的实际值来动态选择行，这在数据分析和清洗中几乎是无处不在的。</p>
<p><strong>利用布尔索引进行复杂筛选：</strong></p>
<ul>
<li>
<p><strong>多条件组合：</strong>
如前面所示，使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">&amp;</pre>
登录后复制
</div> (AND), <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">|</pre>
登录后复制
</div> (OR), <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">~</pre>
登录后复制
</div> (NOT) 运算符可以组合多个条件。例如，如果你想找出年龄在18到30岁之间，并且是女性的用户数据：</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 假设df有一个'Age'和'Gender'列
# df[(df['Age'] >= 18) &amp; (df['Age'] <= 30) &amp; (df['Gender'] == 'Female')]</pre>
登录后复制
</div><p>这里的关键是每个独立的条件表达式都必须用括号 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">()</pre>
登录后复制
</div> 括起来，因为Python的位运算符（<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">&amp;</pre>
登录后复制
</div>, <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">|</pre>
登录后复制
</div>）优先级高于比较运算符（<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">></pre>
登录后复制
</div>, <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;"><</pre>
登录后复制
</div>, <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">==</pre>
登录后复制
</div>等）。如果没有括号，可能会导致意想不到的错误。</p>
</li>
<li>
<p><strong>使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">isin()</pre>
登录后复制
</div> 方法：</strong>
当你想选择某一列的值在某个特定列表中的所有行时，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">isin()</pre>
登录后复制
</div> 方法非常方便。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列'City'是'New York'或'London'的行
# df[df['City'].isin(['New York', 'London'])]</pre>
登录后复制
</div><p>这比写 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">(df['City'] == 'New York') | (df['City'] == 'London')</pre>
登录后复制
</div> 要简洁得多，尤其当列表很长时。</p>
</li>
<li>
<p><strong>使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">str.contains()</pre>
登录后复制
</div> 进行字符串匹配：</strong>
如果你的列是字符串类型，并且你需要根据子字符串匹配来筛选，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">str.contains()</pre>
登录后复制
</div> 是一个很好的选择。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列'Description'中包含'error'关键词的行
# df[df['Description'].str.contains('error', na=False)]</pre>
登录后复制
</div><p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">na=False</pre>
登录后复制
</div> 参数很重要，它指定了如何处理NaN值。如果为<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">True</pre>
登录后复制
</div>，则NaN值也会被视为包含（或不包含，取决于具体实现），通常我们希望它们不匹配。</p>
</li>
</ul>
<p><strong>常见陷阱：</strong></p>
<ol>
<li>
<p><strong>忘记括号：</strong> 这是最常见的错误，没有之一。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 错误示例：
# df[df['A'] > 2 &amp; df['B'] < 8]
# 这会先计算 2 &amp; df['B']，然后用 df['A'] > (结果)
# 正确写法：
# df[(df['A'] > 2) &amp; (df['B'] < 8)]</pre>
登录后复制
</div><p>Pandas会告诉你一个 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">ValueError: The truth value of a Series is ambiguous</pre>
登录后复制
</div>，或者直接得到错误的结果。</p>
</li>
<li>
<p><strong>处理 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div> 值：</strong> 当你的条件列中包含 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div>（Not a Number）时，布尔运算可能会产生意外结果。<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div> 与任何值（包括它自己）的比较结果都是 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">False</pre>
登录后复制
</div>。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 假设df有一个包含NaN的'Value'列
# df[df['Value'] > 10]
# 结果会排除所有NaN的行，即使你可能希望它们被包含在内或单独处理。</pre>
登录后复制
</div><p>处理 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div> 的常见方法是：</p>
<ul>
<li>
<strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">dropna()</pre>
登录后复制
</div>：</strong> 在筛选前先删除包含 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div> 的行。</li>
<li>
<strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">fillna()</pre>
登录后复制
</div>：</strong> 在筛选前先用某个值填充 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div>。</li>
<li>
<strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">isna()</pre>
登录后复制
</div> / <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">notna()</pre>
登录后复制
</div>：</strong> 专门用来检查 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div> 值。<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择'Value'列不是NaN的行
# df[df['Value'].notna()]</pre>
登录后复制
</div></li>
</ul>
</li>
<li><p><strong>对Series进行布尔运算时，Series的索引必须对齐。</strong> 如果你创建了一个布尔Series，它的索引与DataFrame的索引不匹配，Pandas会尝试对齐，如果对齐失败（例如，索引标签不完全一致），可能会填充 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">NaN</pre>
登录后复制
</div>，然后导致错误或意外结果。通常，我们直接在DataFrame内部生成布尔Series，所以这个问题不常遇到，但了解其原理有助于调试。</p></li>
</ol>
<p>布尔索引的强大之处在于它的灵活性，但这种灵活性也要求我们对数据类型和运算符优先级有清晰的认识。我通常会把复杂的条件分解成小的、可测试的部分，确保每个布尔Series都按预期生成，然后再组合起来。</p>
<h3>除了基础索引，还有哪些高级技巧能提升我的数据选择效率？</h3>
<p>在掌握了<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>、<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>和布尔索引这些基础之后，还有一些高级技巧和最佳实践可以进一步提升你在Pandas中选择数据的效率和代码的可读性，同时避免一些常见的性能陷阱。</p>
<ol>
<li>
<p><strong>避免链式索引 (Ch<a style="color:#f60; text-decoration:underline;" title="ai" href="https://www.php.cn/zt/17539.html" target="_blank">ai</a>ned Indexing) 写入操作，警惕 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">SettingWithCopyWarning</pre>
登录后复制
</div>：</strong>
这是Pandas用户经常遇到的一个“坑”。当你像这样操作时：</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># df[df['col_A'] > 5]['col_B'] = 10 # 错误或产生警告</pre>
登录后复制
</div><p>你可能会遇到 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">SettingWithCopyWarning</pre>
登录后复制
</div>。这是因为 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">df[df['col_A'] > 5]</pre>
登录后复制
</div> 返回的可能是一个“视图”(view)而不是一个“副本”(copy)。当你试图修改一个视图时，修改可能不会反映到原始DataFrame上，或者即使反映了，Pandas也会发出警告，因为它不确定你的意图。</p>
<p><strong>正确且推荐的做法是使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div> 或 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div>：</strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 修改满足条件的行的特定列
df.loc[df['col_A'] > 5, 'col_B'] = 10</pre>
登录后复制
</div><p>这种方式明确地告诉Pandas，你打算在原始DataFrame上进行修改，它会返回一个指向原始数据的引用，确保修改生效。</p>
</li>
<li>
<p><strong>使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">query()</pre>
登录后复制
</div> 进行字符串表达式筛选：</strong>
对于复杂的布尔条件筛选，特别是当条件涉及多个列时，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">query()</pre>
登录后复制
</div> 方法能让你的代码更像SQL语句，可读性大大提高。它接受一个字符串表达式。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 假设df有'Age', 'Gender', 'Score'列
# df.query('Age > 25 and Gender == "Male" and Score > 80')</pre>
登录后复制
</div><p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">query()</pre>
登录后复制
</div> 内部会进行优化，在某些情况下，它的性能可能比直接的布尔索引更好，因为它避免了创建多个中间的布尔Series。它也支持使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">@</pre>
登录后复制
</div> 符号引用外部变量：</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'>min_age = 25
# df.query('Age > @min_age')</pre>
登录后复制
</div></li>
<li>
<p><strong>使用 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">filter()</pre>
登录后复制
</div> 进行列的筛选：</strong>
如果你需要根据列名的一部分、<a style="color:#f60; text-decoration:underline;" title="正则表达式" href="https://www.php.cn/zt/15947.html" target="_blank">正则表达式</a>或者一个列表来选择列，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">filter()</pre>
登录后复制
</div> 方法非常有用。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 选择列名中包含'A'的列
# df.filter(like='A')
# 选择列名以'C'开头的列
# df.filter(regex='^C')
# 选择特定列（与df[['col1', 'col2']]类似，但更灵活）
# df.filter(items=['col1', 'col2'])</pre>
登录后复制
</div><p>这在处理大量列或者需要动态选择列时非常方便。</p>
</li>
<li>
<p><strong><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">at</pre>
登录后复制
</div> 和 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iat</pre>
登录后复制
</div> 用于快速单值访问：</strong>
当你知道确切的行标签/位置和列名/位置，并且只需要访问或修改单个单元格时，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">at</pre>
登录后复制
</div> 和 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iat</pre>
登录后复制
</div> 比 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div> 和 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">iloc</pre>
登录后复制
</div> 效率更高。它们是针对单点访问进行了优化的。</p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:python;toolbar:false;'># 获取索引为'y'，列为'A'的值
# value = df.at['y', 'A']
# 修改索引为'z'，列为'C'的值
# df.at['z', 'C'] = 100
# 获取第1行，第0列的值
# value = df.iat[1, 0]</pre>
登录后复制
</div><p>虽然这看起来是微小的优化，但在大型数据集上进行大量单点操作时，累积起来的性能提升会很显著。</p>
</li>
</ol>
<p>这些高级技巧并非每次数据选择都必须使用，但它们提供了更高效、更具可读性或更安全的选择。在实际工作中，我通常会根据具体场景和数据规模来决定使用哪种方法。例如，对于简单的筛选，直接布尔索引就足够了；但如果条件复杂或者需要避免<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">SettingWithCopyWarning</pre>
登录后复制
</div>，<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">loc</pre>
登录后复制
</div>和<div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false;">query()</pre>
登录后复制
</div>就是更好的选择。理解这些<a style="color:#f60; text-decoration:underline;" title="工具" href="https://www.php.cn/zt/16887.html" target="_blank">工具</a>的适用场景，能让你在数据处理的道路上走得更远。</p>
以上就是Python怎么从pandas DataFrame中选择特定的行和列_pandas数据索引与切片技巧的详细内容，更多请关注php中文网其它相关文章！
广告
451
收藏
