这篇文章主要介绍pandas中DataFrame如何查询，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
首先，还是列出一个我们用的DataFrame，注意index一列，如下：
接下来，介绍下各个函数的用法：
1、loc函数
愿意看官方文档的，请戳这里，这里一般最权威。
loc函数是基于“标签”选择数据的，但是也可以接受一个boolean的array，对于每个用法，我们从参数方面来一一举例：
1.1 单个label
接受一个“标签”（label）参数，返回一个Series，例如下面这个例子收一个标签，返回通过这个标签定位的行的值，注意这里是通过标签定位，而不是通过中括号中的数字定位第几行，之后我们通过对比iloc函数时还会细说。
test_dict_df.loc[1] #return the row with name 'Bob' test_dict_df.loc[7] #return the row with name 'Time' important!!! # type(test_dict_df.loc[1]) #pandas.core.series.Series
1.2 一个label的array
如果键入一个标签的array，那么就返回一个对应的DataFrame：
test_dict_df.loc[[1,2,4]]
结果如下：
1.3 加入一个切片array
test_dict_df.loc[[1:4]]
结果如下：
1.4 行标签，列标签
通过在中括号中加入行标签和列标签来定位一个cell，相当于坐标的定位：
test_dict_df.loc[1,'english'] #result：94
1.5 行标签或者列标签是切片array
test_dict_df.loc[1:4,'english'] # test_dict_df.loc[1:4,'english':'math']
1.6 还可以接受条件，进行选择
例如我们选择英语成绩超过90的所有行：
test_dict_df.loc[test_dict_df['english']>90]
当然，也可以再条件选择后，再加入列选择，列选择的时候可以单列，也可以是切片数组，通过上面的介绍这里就可以灵活处理：
test_dict_df.loc[test_dict_df['english']>90,'english'] #single label test_dict_df.loc[test_dict_df['english']>90,'english':'name'] #slice array test_dict_df.loc[test_dict_df['english']>90,['english','name']] #label array
1.7 接受一个boolean的array
可以接受一个boolean的array，相当于按照这个表的真假按照位置的顺序选择值
test_dict_df.loc[[True,False,False,True]]
loc还有很多用法，这里先介绍到这里吧，当然如果你的DataFrame是复合的行或者复合列，写法也是不同的，具体就可以查阅官方文档了！
2、iloc函数
官方文档戳这里。
iloc函数与loc函数不同的是，它接受的是一个数字，代表着要选择数据的位置：
test_dict_df.iloc[6]
这代表我们选择的是第6行，而不是index为6的那一行。当然，也可以接受一个boolean的array，相当于按照这个表的真假按照位置的顺序选择值：
test_dict_df.iloc[[True,False,False,True]]
这里iloc也可以接受切片array：
# test_dict_df.iloc[1:2] test_dict_df.iloc[[1,2,4]]
3、ix函数（0.20.0版本后已经弃用）
ix就是一种混合索引，字符串的标签和证书的数据索引都可以作为合法输入，其实相当于loc和iloc的一个混合方法：
test_dict_df.ix['Alice'] test_dict_df.ix[1]
上述两种方法都能得到值，这里我们就不追究这个函数具体是怎样的检索顺序或者工作原理了。因为官方给出的是从pandas0.20.0之后，ix函数已经被弃用。其实在使用的时候，ix函数虽然方便，但是的确有时候会显得比较混乱，所以我们之后也尽量少用这个函数吧，还是按照官方大佬的指导。
4、at函数
at是用来选择单个值的，此时用法类似于loc：
test_dict_df.at[1,'english'] test_dict_df.loc[1,'english']
以上两种方法都能选择到，label为1，列为'english'的那个值，但是据说at速度要快，这点我没有考证过。
5、iat函数
iat函数相对于at函数，就相当于iloc相对于loc函数。iat也只能选择一个值。只不过是用索引位置来选择，注意：行列都是索引位置来选择，从0开始数。
# test_dict_df.iat[1,'english'] #error!!! test_dict_df.iat[2,2] #right!!!
6、概括一下
最后我们概括一下：
1、 loc和iloc函数都是用来选择某行的，iloc与loc的不同是：iloc是按照行索引所在的位置来选取数据，参数只能是整数。而loc是按照索引名称来选取数据，参数类型依索引类型而定；
2、 at和iat函数是只能选择某个位置的值，iat是按照行索引和列索引的位置来选取数据的。而at是按照行索引和列索引来选取数据；
3、 loc和iloc函数的功能包含at和iat函数的功能。
以上是“pandas中DataFrame如何查询”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
