PandasDataFrame中元素访问方法详解

概述

在数据分析领域，Pandas是一个非常强大的工具，尤其在其DataFrame对象上提供了多种灵活的数据访问方式。本文将重点介绍三种主要的元素访问方法：iat, loc, 和 iloc。

1. pandas.DataFrame.iat

该方法用于根据整数位置快速访问单个元素，适用于已知具体行号和列号的情况。

示例:

import pandas as pd

df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], columns=['A', 'B', 'C'])
print(df)
# 输出:
#     A   B   C
# 0   0   2   3
# 1   0   4   1
# 2  10  20  30

print(df.iat[1, 2])  # 访问第2行第3列的元素
# 输出: 1

print(df.iloc[0].iat[1])  # 访问第一行第二个元素
# 输出: 2

2. pandas.DataFrame.loc

loc 方法允许使用标签来选择数据，这使得它在处理具有非数字索引的数据时特别有用。

示例:

df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], index=['cobra', 'viper', 'sidewinder'], columns=['max_speed', 'shield'])
print(df)
# 输出:
#           max_speed  shield
# cobra            1       2
# viper            4       5
# sidewinder       7       8

print(df.loc['cobra', 'shield'])  # 访问'cobra'行'shield'列的元素
# 输出: 2

print(df.loc['viper'])  # 获取'viper'行的所有数据
# 输出: 
# max_speed    4
# shield       5
# Name: viper, dtype: int64

print(df.loc[['viper', 'sidewinder']])  # 获取多行数据
# 输出:
#           max_speed  shield
# viper            4       5
# sidewinder       7       8

3. pandas.DataFrame.iloc

iloc 类似于 iat，但支持更复杂的选择逻辑，如切片操作。

示例:

mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4}, {'a': 100, 'b': 200, 'c': 300, 'd': 400}, {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000}]
df = pd.DataFrame(mydict)
print(df)
# 输出:
#        a     b     c     d
# 0      1     2     3     4
# 1    100   200   300   400
# 2   1000  2000  3000  4000

print(df.iloc[0, 1])  # 访问第1行第2列的元素
# 输出: 2

print(type(df.iloc[0]))  # 获取第一行的数据类型
# 输出: 

print(df.iloc[0])  # 获取第一行的数据
# 输出: 
# a    1
# b    2
# c    3
# d    4
# Name: 0, dtype: int64