一文详解DataFrame中df[]、df.iloc[]、df.loc[]、df.ix[]、df.iat[]、df.at[]的区别

一文详解DataFrame中df[]、df.iloc[]、df.loc[]、df.ix[]、df.iat[]、df.at[]的区别

在Pandas库中，DataFrame是一种非常重要的数据结构，用于存储和操作结构化数据。为了高效地访问和修改DataFrame中的数据，Pandas提供了多种索引方法。本文将详细介绍df[]、df.iloc[]、df.loc[]、df.ix[]、df.iat[]、df.at[]这几种索引方式的区别和用法。

一、df[]

df[]是Pandas中最基本的索引方式，它可以在单一维度（行或列）上进行数据的选取。但需要注意的是，df[]不能同时筛选行和列数据。

• 行操作：可以通过整数索引切片或标签索引切片来选取行。例如，df[0:3]选取前三行（整数索引切片，前闭后开），df['a':'c']选取a到c三行（标签索引切片，前闭后闭，但这种方式在Pandas新版本中可能已被弃用或警告，建议使用df.loc[]进行标签索引）。
• 列操作：可以通过列名来选取列。例如，df[['姓名', '年龄']]选取姓名和年龄两列。
• 按条件取值：可以通过布尔数组按条件筛选数据。例如，df[df['年龄'] > 20]选取年龄大于20岁的行。

然而，由于df[]的局限性（不能同时筛选行和列，且在新版本中可能面临弃用风险），建议使用更明确的索引方式如df.iloc[]和df.loc[]。

二、df.iloc[]

df.iloc[]通过行数和列数的整数索引来选取数据。

• 行操作：例如，df.iloc[1:3, :]选取第1到2行（前闭后开），全部列。
• 列操作：例如，df.iloc[:, 0:2]选取第0到1列（前闭后开），全部行。
• 行、列同时操作：例如，df.iloc[[0, 2], [0, 2]]选取第0和2行，第0和2列的数据。

需要注意的是，df.iloc[]只能使用整数索引，不能使用标签索引。

三、df.loc[]

df.loc[]通过行标签和列名的标签索引来选取数据。

• 行操作：例如，df.loc['a':'c', :]选取a到c行（前闭后闭），全部列。
• 列操作：例如，df.loc[:, '姓名':'年龄']选取姓名到年龄列（前闭后闭），全部行。
• 行、列同时操作：例如，df.loc[['a', 'c'], ['姓名', '年龄']]选取a和c行，姓名和年龄列的数据。
• 按条件取值：与df[]类似，可以通过布尔数组按条件筛选数据。例如，df.loc[df['年龄'] > 20]选取年龄孙毕轮大于20岁的行。

df.loc[]是处理标签索引的首选方法，它提供了更直观和灵活的索引方式。

四、df.ix[]（已弃用）

df.ix[]是df.loc[]和df.iloc[]的一个混合方法，它既可以使用标签索引，也可以使用整数索引。然而，由于这种混合方式容易导致混淆和错误，Pandas在新版本中已弃用df.ix[]。因此，建议避免使用df.ix[]，而是根据需要使用df.loc[]或df.iloc[]。

五、df.iat[]

df.iat[]用于获取DataFrame中某个单元格的数据，它必须输入两个参数：行数和列数的整数戚数索引。虽然df.iat[]可以实现与df.iloc[]类似的功能（获取单个单元格数据），但由于其使用场景较为则信有限且容易与df.iloc[]混淆，因此建议优先使用df.iloc[]进行单个单元格数据的获取。

六、df.at[]

df.at[]也用于获取DataFrame中某个单元格的数据，但它必须输入两个参数：行标签和列名。与df.iat[]类似，df.at[]可以实现与df.loc[]类似的功能（获取单个单元格数据），但由于其使用场景较为有限且容易与df.loc[]混淆，因此建议优先使用df.loc[]进行单个单元格数据的获取。

总结：

• df[]：基本索引方式，但功能有限且可能面临弃用风险，建议使用df.iloc[]和df.loc[]替代。
• df.iloc[]：通过整数索引选取数据，适用于需要按位置索引的场景。
• df.loc[]：通过标签索引选取数据，适用于需要按标签索引的场景。
• df.ix[]：已弃用的混合索引方式，避免使用。
• df.iat[]和df.at[]：用于获取单个单元格数据，但功能有限且容易与其他索引方式混淆，建议优先使用df.iloc[]和df.loc[]。

在实际应用中，建议主要掌握df.iloc[]和df.loc[]的用法，它们分别适用于按位置和按标签索引的场景，能够满足大多数数据处理需求。其他索引方式可以作为补充了解，但在实际编码中应尽量避免使用以避免混淆和错误。