pandas 資料子集的獲取

有時資料讀入後並不是對整體資料進行分析，而是資料中的部分子集，例如，對於地鐵乘客量可能只關心某些時間段的流量，對於商品的交易可能只需要分析某些顏色的**變動，對於醫療診斷資料可能只對某個年齡段的人群感興趣等。所以，該如何根據特定的條件實現資料子集的獲取將是本節的主要內容。

通常，在pandas模組中實現資料框子集的獲取可以使用iloc，loc和ix三種『方法』，這三種方法既可以對資料進行篩選，也可以實現變數的挑選，它們的語法可以表示

成【row_select,cols_select】.

iloc只能通過行號和列號進行資料篩選，我們可以將iloc中的『i』理解為「integer」，即只能向【rows_select,cols_select】指定整數列表。該索引方式與陣列的索引方式類似，都是從0開始，可以間隔取號，對於切片仍然無法取到上限。

loc要比iloc靈活一些，讀者可以將loc中的「1」理解為「label」，即可以向【rows_select,col_select】指定具體的行標籤和列標籤。注意，這裡是標籤不再是索引。而且，還可以將rows_select指定為具體的篩選條件，在iloc中是無法做到的。

ix是iloc和loc的混合，讀者可以將ix理解為「mix」，該方法吸收了iloc和loc的優點，市資料庫子集的獲取更加靈活。(此方法忽略，最新的模組好像已經去掉了,編譯的時候警告,待再驗證)

如下用具體的**來說明iloc和loc二者之間的差異：

import pandas as pd

df1 = pd.dataframe(,columns = ['name','gender','age'])

df1#去除資料集的中間三行(所有女性),並且返回姓名和年齡兩列

再繼續研究,將員工的姓名用做行標籤

#將員工的姓名用作行標籤

df2 = df1.set_index('name')

df2#同樣取出資料集的中間三行

df2.iloc[1:4,:]

df2.loc[['李四','王二','丁一'],:]

很顯然,在實際的學習和工作中,觀測行的篩選很少是通過寫入具體的行索引或行標籤,而是對某些列做條件篩選,進而獲得目標資料.例如,在上面的df1資料集中,如何返回所有男性的姓名和年齡,**如下:

df1.loc[df1.gender == '男',['name','age']]