Pandas DataFrame对象索引及常见错误写法

fPython语言Pandas库的DataFrames数据类型的索引写法比较多，既提供了方便也容易出错。一般的Python书籍上对Pandas索引都有介绍，本文总结一些个人体会，大体分为用中括号索引和用loc/iloc[]索引。

先生成一个DataFrame对象为例：

df=pd.DataFrame(np.random.rand(4,4), index=list('abcd'), columns=list('ABCD'))

	A	B	C	D
a	0.959245	0.552285	0.265993	0.249411
b	0.743880	0.582683	0.310940	0.675503
c	0.644287	0.796247	0.202314	0.232712
d	0.149495	0.570265	0.095389	0.029824

1. 用中括号的索引

在用中括号索引时最容易犯错的是混淆了行索引和列索引。基本原则如下：

（1）单值索引只能索引列
df['A']是正确的写法，等同于df.A。如果想索引某一行，不能写成df['a']或df['a',:]，否则会报错。但可以改用df[df.index=='a']或者df.loc['a']的形式。当需要创建一列时只能用df['列名']的形式。

（2）列表索引也只能索引列

如果想同时索引多列，可以写成df[['A','B']]，记住有两层中括号，不能少一层中括号。如果写成df['A','B']会报错，因为逗号被解释成了维度之间的分隔符。这里行索引只有'a'，而没有'A'，而且要表示'a'行'B'列应该用df.loc['a','B']，不能少了loc。列表索引可以改变索引列的顺序，例如写成df[['C','B','A']]将按C、B、A的顺序显示，这叫花式索引。

（3）切片只能索引多行
切片索引写成df['a':'c']或df[:2]表示索引a到c三行，但不能写成df['A':'C']或df[:,'A':'C']来索引三列。这点跟numpy的array不同，如果df是ndarray类型的，可以用df[:, 1:3]来切片第1~2列。要想切片多列可以写成df.loc[:,'A':'C']，但这里不能少了loc和:,，否则也报错。另外，切片只能用中括号或loc索引，而不能写成对象属性的形式，df.loc[:, df.A:df.C]也会报错。
 

2. 用loc/iloc[]的索引

上面说了中括号不能对单个行进行索引，而用loc/iloc就解决了这个问题，例如df.loc['b']或df.iloc[2]，所以要想索引某一行只能用loc/iloc的形式。由于loc可以索引单个行，为了不引起混淆，索引单个列时必须在前面加上符号“:,”，例如df.loc[:,'A']表示索引A列，如果写成df.loc['A']就会报错，因为Notebook会将df.loc['A']解读为df的A行而实际上df并没有A行。同样，可以用iloc[]来索引一个元素或切片，例如df.iloc[2][3]跟df.iloc[2,3]是等价的，都得到0.232712。df.iloc[2][3]相当于先从df中取出df.iloc[2]这一行，再从这行中取出第3个数。同理，df.iloc[2][1:3]表示第2行的1到2切片。但博主不建议用两个方括号iloc[][]的写法，有时程序会出意外错误。

3. 关于布尔索引

（1）布尔条件索引既可以索引行又可以索引列，既可以用于中括号索引又可以用于loc/iloc索引。但我建议尽量用loc索引，尤其是对列索引操作时不容易出错，用iloc或直接用方括号索引有时会出现未知错误。如果逻辑表达式是关于变量（列）取值的，布尔索引返回的是行数据，例如写成df.loc[关于列的条件]返回的是行数据，例如df.loc[df['A']>0.5]。如果逻辑表达式是关于行索引取值的，例如写成df.loc[关于行的条件]，则返回的是列数据，例如df.loc[:, df.loc['c']>0.1]。另外还需注意df.loc[df['A']>0.1]中内层的df不能漏了，如写成df[['A']>0.1]或df['A'>0.1]系统只会把'A'当成是一个字符而报错，系统不知道A是指df的一列。还有一个原因，是内侧用于逻辑判断的表跟外侧被索引的表可以不相同，即df1.loc[df2['A']>0.1]的写法，假定df1和df2不是同一个表，这里[df2['A']>0.1]返回一个df2中为True的元素位置的索引列表，然后在df1中按照同样的位置把行取出来。因此用于逻辑判断的字段就必须带上表名，否则不知道是指哪个表里的字段。如果只需要显示A列数据，不能写成df.A[df>0.1]，而应该写成df.A[df.A>0.1]。

（2）当逻辑表达式是关于列名的，布尔索引可以用于对列索引，例如df.iloc[:, df.columns!='B']或df.loc[:, df.columns!='B']都能执行，但此处不能少了loc和iloc，否则也报错。总之凡是把行索引写成“:,”再写列的选取条件的形式只能用在loc/iloc格式。

（3）如果要用布尔关系将多个条件组合起来，要给每个条件加小括号，例如df.loc[(df['A']>0.7) & (df['B']<0.5) & (df['C']>0.6)]，漏写小括号也会出错。注意这里的运算符是位运算符&，而不是布尔运算符and，后者也会出错。如果需要返回整个矩阵，只能用中括号索引，而不能用loc/iloc[]。例如返回df中大于0.1的值应当写成df[df>0.1]，而不能写成df.loc[df>0.1]