对熊猫数据框进行子集化

Question

我发现以下两种方法不一致（至少对我而言）：

对于定义为的数据框：

df=pd.DataFrame([[1,2,3,4,np.NaN],[8,2,0,4,5]])

我想访问第 1 行第 4 列中的元素（从 0 开始计数）。我要么这样做：

df[4][1]
Out[94]: 5.0

或者这个：

df.iloc[1,4]
Out[95]: 5.

我是否正确理解在第一种方法中我需要先使用列然后使用行，反之亦然在使用 iloc 时？我只是想确保我正确使用这两种方法。

编辑：下面的一些答案指出第一种方法并不可靠，我现在明白这就是原因：

df.index = ['7','88']
df[4][1]
Out[101]: 5.0

我仍然得到正确的结果。但是使用 int 代替，如果相应的数字不再存在，则会引发异常：

df.index = [7,88]
df[4][1]   
KeyError: 1

另外，更改列名：

df.columns = ['4','5','6','1','5']
df['4'][1]
Out[108]: 8

给我一​​个不同的结果。所以总的来说，我应该坚持 iloc 或 loc 以避免这些问题。

Answer 1

您应该将 DataFrames 视为列的集合。因此，当您执行df[4] 时，您会得到df 的第 4 列，它是 Pandas 系列的类型。在此之后，当您执行df[4][1] 时，您将获得此系列的第一个元素，它对应于 DataFrame 的第 1 行和第 4 列条目，这正是 df.iloc[1,4] 所做的。

因此，根本没有不一致，但请注意：这仅在您没有任何列名或列名是 [0,1,2,3,4] 时才有效。否则，它要么失败，要么给你一个错误的结果。因此，对于位置索引，您必须坚持使用 iloc 或 loc 进行名称索引。

Answer 2

很遗憾，您没有正确使用它们。你得到相同的结果只是巧合。

df.loc[i, j] 表示 df 中的元素，其行名为 i，列名为 j

除了许多其他区别之外，df[j] 表示名为 j 的列，df[j][i] 表示名为 j 的列，以及名为 i 的元素（此处为行）。

df.iloc[i, j] 表示i-th 行和j-th 列中的元素从0开始。

所以，df.loc 通过label 选择数据（字符串或int 或任何其他格式，在本例中为int），df.iloc 通过position 选择数据。巧合的是，在您的示例中，i-th 行名为 i。

更多详情请阅读doc

更新：

将df[4][1] 视为一种方便的方式。有一些逻辑背景，在大多数情况下你会得到你想要的。

其实

df.index = ['7', '88']
df[4][1]

有效，因为索引的 dtype 是 str。你给一个int 1，所以它会回退到位置索引。如果你运行：

df.index = [7, 88]
df[4][1]

会引发错误。和

df.index = [1, 0]
df[4][1]

Sill 不会是您所期望的元素。因为它不是从0开始的第一行。它将是名称为1的行