這篇文章主要介紹pandas中DataFrame如何查詢，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！
首先，還是列出一個我們用的DataFrame，注意index一列，如下：
接下來，介紹下各個函數的用法：
1、loc函數
愿意看官方文檔的，請戳這里，這里一般最權威。
loc函數是基于“標簽”選擇數據的，但是也可以接受一個boolean的array，對于每個用法，我們從參數方面來一一舉例：
1.1 單個label
接受一個“標簽”（label）參數，返回一個Series，例如下面這個例子收一個標簽，返回通過這個標簽定位的行的值，注意這里是通過標簽定位，而不是通過中括號中的數字定位第幾行，之后我們通過對比iloc函數時還會細說。
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 一個label的array
如果鍵入一個標簽的array，那么就返回一個對應的DataFrame：
test_dict_df.loc[[1,2,4]]
結果如下：
1.3 加入一個切片array
test_dict_df.loc[[1:4]]
結果如下：
1.4 行標簽，列標簽
通過在中括號中加入行標簽和列標簽來定位一個cell，相當于坐標的定位：
test_dict_df.loc[1,'english'] #result：94
1.5 行標簽或者列標簽是切片array
test_dict_df.loc[1:4,'english'] # test_dict_df.loc[1:4,'english':'math']
1.6 還可以接受條件，進行選擇
例如我們選擇英語成績超過90的所有行：
test_dict_df.loc[test_dict_df['english']>90]
當然，也可以再條件選擇后，再加入列選擇，列選擇的時候可以單列，也可以是切片數組，通過上面的介紹這里就可以靈活處理：
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 接受一個boolean的array
可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值
test_dict_df.loc[[True,False,False,True]]
loc還有很多用法，這里先介紹到這里吧，當然如果你的DataFrame是復合的行或者復合列，寫法也是不同的，具體就可以查閱官方文檔了！
2、iloc函數
官方文檔戳這里。
iloc函數與loc函數不同的是，它接受的是一個數字，代表著要選擇數據的位置：
test_dict_df.iloc[6]
這代表我們選擇的是第6行，而不是index為6的那一行。當然，也可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值：
test_dict_df.iloc[[True,False,False,True]]
這里iloc也可以接受切片array：
# test_dict_df.iloc[1:2] test_dict_df.iloc[[1,2,4]]
3、ix函數（0.20.0版本后已經棄用）
ix就是一種混合索引，字符串的標簽和證書的數據索引都可以作為合法輸入，其實相當于loc和iloc的一個混合方法：
test_dict_df.ix['Alice'] test_dict_df.ix[1]
上述兩種方法都能得到值，這里我們就不追究這個函數具體是怎樣的檢索順序或者工作原理了。因為官方給出的是從pandas0.20.0之后，ix函數已經被棄用。其實在使用的時候，ix函數雖然方便，但是的確有時候會顯得比較混亂，所以我們之后也盡量少用這個函數吧，還是按照官方大佬的指導。
4、at函數
at是用來選擇單個值的，此時用法類似于loc：
test_dict_df.at[1,'english'] test_dict_df.loc[1,'english']
以上兩種方法都能選擇到，label為1，列為'english'的那個值，但是據說at速度要快，這點我沒有考證過。
5、iat函數
iat函數相對于at函數，就相當于iloc相對于loc函數。iat也只能選擇一個值。只不過是用索引位置來選擇，注意：行列都是索引位置來選擇，從0開始數。
# test_dict_df.iat[1,'english'] #error!!! test_dict_df.iat[2,2] #right!!!
6、概括一下
最后我們概括一下：
1、 loc和iloc函數都是用來選擇某行的，iloc與loc的不同是：iloc是按照行索引所在的位置來選取數據，參數只能是整數。而loc是按照索引名稱來選取數據，參數類型依索引類型而定；
2、 at和iat函數是只能選擇某個位置的值，iat是按照行索引和列索引的位置來選取數據的。而at是按照行索引和列索引來選取數據；
3、 loc和iloc函數的功能包含at和iat函數的功能。
以上是“pandas中DataFrame如何查詢”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
