Pandas 数据中的loc与iloc含义以及操作

        本节学习并记录pandas 的DataFrame类型的数据是怎么对列或者行进行操作的

1、df.loc: 语法格式是df.loc[<行表达式>, <列表达式>]，如果列不传将返回所有的行，loc操作通过索引和列的条件筛选出数据。

2、df.iloc: 语法格式是df.iloc[<行表达式>, <列表达式>],格式可以使用数字索引（行和列的0~n索引）进行筛选数据，意味着iloc[]的表达式只支持数据切片的形式

一、首先定义一组数据，或者读取csv文件，Excel表格json数据，这里使用读取csv文件进行来当基础数据操作，这里读取前100行，只显示前5行

import pandas as pd
data_path = './neo4j_all_metric.csv'
df = pd.read_csv(data_path, nrows=100)

 二、.loc的基本操作

1、单个索引,如果是字符串，需要加上引号

# 选取索引为0的行
df.loc[0]
# 选取索引为10的行 
df.loc[10]

 2、以列表组成的索引，例如[1, 3 , 5, 7, 9]，显示出该列表对应行数的所有列的数据

# 此时索引是一个列表， 可以选择第 1，3，5，7，9行
df.loc[[1, 3, 5, 7, 9]] 

 3、带标签的切片，如Python的列表操作，包括起始已停止。

# 显示的是5-10行的所有列的内容
df.loc[5:10] 

 4、如果行表达式与类表达式都存在。如df.loc[n:m, cn:cm]

# 5-10行，并且是obj_type-from_id,所有的数据
df.loc[5:10, 'obj_type':'from_id']

# 5-10行，并且是obj_type与from_id,所有的数据
df.loc[5:10, ['obj_type','from_id']]

 

# 5与10行，并且是obj_type与from_id,所有的数据
df.loc[[5,10], ['obj_type','from_id']]

  三、.iloc的基本操作

1、切片的方式

# 前三行
df.iloc[:3]

# 2-20,步长是2，2可以取到，20取不到
df.iloc[2:20:2]

# 表达式含义，前三行的， 1，2列==前两列
df.iloc[:3, [0, 1]]