【数据分析】.loc和.iloc的应用2
在处理和分析数据时，会遇到需要分析一行、多行数据和单个、多个元素的情况。此时，我们需要使用DataFrame对象中的.loc和.iloc属性。
.loc 和.iloc属性
访问行数据
.loc属性读取行数据时，是基于行索引index的值。
分为两种情况：
1.数据未指定行索引：该属性通过默认index的值来访问行数据。
2.数据指定了行索引：该属性通过指定index的值来访问行数据。
Like：
| 假如在读取电商数据时，我们指定了将 "order_id"（订单号）作为index的话，输出的数据如图所示。 |
|
在读取数据时，不管是使用默认index或指定index，访问行数据的方式都一样。
接下来，我们通过指定了index的例子，来学习.loc属性访问行数据。
1. 访问某一行
| 格式：.loc[index的值] 如图，如果要访问某一行的数据，需要将这一行的index的值传入.loc属性的中括号里。 |
|
|
| 示例中，我们读取路径是 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并指定"order_id"列为index，然后访问订单号 3515712 这一行数据。 |
|
|
| id 1 user_id 34982388 payment 6200 price 6200 items_count 4 cutdown_price 0 post_fee 0 pay_type 202 create_time 2018/1/31 16:06 pay_time 2018/1/31 16:06 Name: 3515712, dtype: object |
总结：访问变量data中的某一行数据的具体操作是：在变量data之后添加代码.loc 、中括号[]和对应的index的值。
2. 访问连续的某几行
格式：.loc[起点index的值:结束index的值]
如果想获取连续的几行数据时，我们可以使用.loc属性和切片进行访问:
| 示例中，访问第1行（index的值是3515712）到第5行的代码为：data.loc[3515712:3515716]。 注意：使用.loc属性的切片，包含结束index的值。 比如：data.loc[3515712:3515716]表示：访问data中，index从3515712到3515716的行数据，包含3515716这一行数据。 |
| 代码示例： |
| import pandas as pd # 使用pd.read_csv()函数读取CSV文件 # 并通过参数index_col来指定"order_id"列为index # 将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv", index_col="order_id") # 使用print()和.loc属性输出订单号3515712到3515716的数据 print(data.loc[3515712:3515716]) |
总结：
1.访问数据中连续的某几行数据需要使用：.loc[起点index的值:结束index的值]。
2.返回的数据包含结束index的值对应的行数据。
3. 访问不连续的某几行
格式：.loc[[第一个index的值,第二个index的值,...]]
如果要访问多行不连续的数据，需要将包含对应index的值的列表传入 .loc属性的 中括号 里。
| import pandas as pd # 使用pd.read_csv()函数读取CSV文件 # 并通过参数index_col来指定"order_id"列为index # 将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv", index_col="order_id") # TODO 使用print()和.loc属性输出data变量里订单号为1,2和 3 的行数据 print(data.loc[[1,2,3]]) |
PS：因为传入了列表，所以有两对中括号。
总结：访问数据中不连续的某几行需要使用： .loc[[第一个index的值,第二个index的值,...]]