python - 子集 Pandas 数据框

Question

我发现以下两种方法存在不一致(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(从 0 开始计数)中的元素。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，在使用 iloc 时反之亦然？我只是想确保我以后正确地使用这两种方法。

编辑:下面的一些答案指出第一种方法不那么可靠，我现在明白了原因:

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

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

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

此外，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，我应该坚持使用 iloc 或 loc 来避免这些问题。

Answer 1

您应该将 DataFrame 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 Series 类型。之后，当您执行 df[4][1] 时，您将获得该系列的第一个元素，它对应于 DataFrame 的第 1 行和第 4 列条目，这就是 df. iloc[1,4] 确实如此。

因此，完全没有不一致，但要注意:只有当您没有任何列名，或者您的列名是 [0,1,2,3,4] 时，这才会起作用。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，或使用 loc 进行名称索引。