Pandas教程之十五：使用 DataFrame.ix[ ] 基于标签和整数切片

​

Python | Pandas DataFrame.ix[ ]

Python 是进行数据分析的绝佳语言，主要是因为它拥有以数据为中心的Python软件包的出色生态系统。Pandas就是其中之一，它使导入和分析数据变得更加容易。

PandasDataFrame.ix[ ]既是基于标签的切片技术，也基于整数的切片技术。除了纯基于标签和基于整数之外，Pandas 还提供了一种使用ix[]运算符进行选择和子集化对象的混合方法。是最通用的索引器，将支持和ix[]中loc[]iloc[]的任何输入。

语法： DataFrame.ix[ ]

参数：
索引位置：整数或整数列表中行的索引位置。
索引标签：行的索引标签的字符串或字符串列表

返回：根据参数返回数据框或系列

代码 #1： 

# importing pandas package  import pandas as geek      # making data frame from csv file data = geek.read_csv("nba.csv")        # Integer slicing print("Slicing only rows(till index 4):") x1 = data.ix[:4, ] print(x1, "\n")     print("Slicing rows and columns(rows=4, col 1-4, excluding 4):") x2 = data.ix[:4, 1:4] print(x2)

输出：
 

​

编辑

 
代码 #2：

# importing pandas package  import pandas as geek      # making data frame from csv file data = geek.read_csv("nba.csv")        # Index slicing on Height column print("After index slicing:") x1 = data.ix[10:20, 'Height'] print(x1, "\n")    # Index slicing on Salary column x2 = data.ix[10:20, 'Salary'] print(x2)

输出：
 

​

​

代码 #3：

# importing pandas and numpy import pandas as pd import numpy as np     df = pd.DataFrame(np.random.randn(10, 4),           columns = ['A', 'B', 'C', 'D'])    print("Original DataFrame: \n" , df)     # Integer slicing print("\n Slicing only rows:") print("--------------------------") x1 = df.ix[:4, ] print(x1)     print("\n Slicing rows and columns:") print("----------------------------") x2 = df.ix[:4, 1:3] print(x2)

输出：
 

​
 
代码 #4：

# importing pandas and numpy import pandas as pd import numpy as np     df = pd.DataFrame(np.random.randn(10, 4),           columns = ['A', 'B', 'C', 'D'])    print("Original DataFrame: \n" , df)     # Integer slicing (printing all the rows of column 'A') print("\n After index slicing (On 'A'):") print("--------------------------") x = df.ix[:, 'A']    print(x)

输出 ：

​