Pandas数据选取中的df[]、df.loc[]、df.iloc[]、df.at[]、df.iat[]的区别与用法

在Pandas库中，我们使用DataFrame来存储和处理数据。选取数据是数据处理过程中的常见任务。本文将详细介绍df[]、df.loc[]、df.iloc[]、df.at[]和df.iat[]这几种数据选取方法的区别和用法。

1. df[]：
   使用df[]来选取数据是最直接的方法，它基于标签进行选择。例如，如果我们想选取名为’A’的列，可以这样写：df['A']。如果需要选取多个列，只需在[]内用逗号隔开，例如：df[['A', 'B']]。
2. df.loc[]：
   df.loc[]基于标签进行数据选取。它不仅可以选取列，还可以根据行标签进行行选择。例如，如果我们想选取行标签为0和2的行以及名为’A’的列，可以这样写：df.loc[[0, 2], 'A']。同时，我们还可以使用切片来选取多个行，例如：df.loc[0:2, 'A']。
3. df.iloc[]：
   与df.loc[]不同，df.iloc[]基于整数位置进行数据选取。这意味着我们不能直接使用列名或行标签来选取数据，而必须使用整数位置。例如，如果我们想选取第1行和第3行以及第1列，可以这样写：df.iloc[[0, 2], [0]]。同时，我们还可以使用切片来选取多个行或列，例如：df.iloc[0:2, 0]。
4. df.at[]和df.iat[]：
   这两个方法主要用于访问单个元素。df.at[]基于标签访问单个元素，而df.iat[]基于整数位置访问单个元素。例如，如果我们想访问第1行第1列的元素，可以这样写：df.iat[0, 0]；如果想访问名为’A’的列的第1个元素，可以这样写：df.at[0, 'A']。
   总结一下，这几种方法各有特点：

• df[]适用于直接通过列名选择数据；
• df.loc[]适用于基于标签选择数据；
• df.iloc[]适用于基于整数位置选择数据；
• df.at[]和df.iat[]适用于访问单个元素。
  在实际应用中，我们可以根据具体需求选择合适的方法来处理数据。同时，为了更好地理解和使用这些方法，建议多参考Pandas官方文档和相关教程。