DataFrame的索引与切片：核心操作详解

索引与切片是Pandas DataFrame中最基础且最重要的操作，它允许我们从数据中精确选择所需的部分。无论是数据清洗、分析还是可视化，都离不开这些操作。本教程将手把手带你入门，涵盖所有核心方法，让你轻松上手。

1. 按列索引

按列索引是最直接的数据选择方式。在DataFrame中，列通常用列名表示。

• 直接取列名：使用方括号指定列名，如df['列名']，返回一个Series对象。
• 使用loc方法：df.loc[:, '列名']，返回指定列的所有行数据。

示例代码：

import pandas as pd

# 创建示例DataFrame
data = {'姓名': ['Alice', 'Bob', 'Charlie'],
        '年龄': [25, 30, 35],
        '薪资': [50000, 60000, 70000]}
df = pd.DataFrame(data)

# 按列索引：直接取列名
age_series = df['年龄']  # 返回年龄列的Series
print(age_series)

# 使用loc方法
salary_column = df.loc[:, '薪资']  # 返回薪资列的所有行
print(salary_column)

输出：

0    25
1    30
2    35
Name: 年龄, dtype: int64
0    50000
1    60000
2    70000
Name: 薪资, dtype: int64

2. 按行索引

按行索引允许我们基于标签或位置选择数据行。

• 使用loc方法：基于行标签（如索引名）选择，例如df.loc[0]选择标签为0的行。
• 使用iloc方法：基于整数位置选择，从0开始，例如df.iloc[0]选择第一行。

示例代码：

# 按行索引：使用loc（基于标签）
row_by_label = df.loc[0]  # 选择标签为0的行（第一行）
print(row_by_label)

# 使用iloc（基于位置）
row_by_position = df.iloc[0]  # 选择第一行
print(row_by_position)

输出：

姓名     Alice
年龄       25
薪资    50000
Name: 0, dtype: object
姓名     Alice
年龄       25
薪资    50000
Name: 0, dtype: object

注意：如果DataFrame有自定义索引，loc会基于标签选择，而iloc总是基于整数位置。

3. 按行+列索引

结合行和列索引可以精确选择DataFrame中的某个单元格或多个单元格。

• 使用loc方法：df.loc[行标签, 列名]，如df.loc[0, '年龄']选择第一行的年龄值。
• 使用iloc方法：df.iloc[行位置, 列位置]，如df.iloc[0, 1]选择第一行第二列的值（位置从0开始）。

示例代码：

# 按行+列索引
cell_loc = df.loc[0, '年龄']  # 基于标签
print(cell_loc)  # 输出: 25

cell_iloc = df.iloc[0, 1]  # 基于位置，第一行第二列
print(cell_iloc)  # 输出: 25

4. 布尔索引

布尔索引是基于条件筛选数据的强大工具。

• 按行条件筛选：使用布尔Series或条件表达式，例如df[df['年龄'] > 30]选择年龄大于30的行。
• 按列条件筛选：较少用，但可以通过条件选择列，例如df.loc[:, df.columns.str.startswith('年')]选择列名以“年”开头的列。

示例代码：

# 布尔索引：按行条件筛选
age_filtered = df[df['年龄'] > 25]  # 选择年龄大于25的行
print(age_filtered)

# 按列条件筛选（示例：选择所有数值列）
numeric_cols = df.select_dtypes(include=['int64']).columns
df_numeric = df[numeric_cols]
print(df_numeric)

输出：

      姓名  年龄    薪资
1    Bob  30  60000
2  Charlie  35  70000
   年龄    薪资
0  25  50000
1  30  60000
2  35  70000

5. 切片操作

切片允许我们选择连续的行或列范围。

• 行切片：使用标签切片（如df.loc[0:2]）或位置切片（如df.iloc[0:2]），注意结尾包含/不包含的差异。
• 列切片：使用df.loc[:, '开始列':'结束列']（基于标签）或df.iloc[:, 开始列位置:结束列位置]（基于位置）。
• 标签与位置切片的区别：
  • loc切片：基于标签，包含结尾，例如df.loc[0:2]选择标签0到2的行（包括标签2）。
  • iloc切片：基于位置，不包含结尾，例如df.iloc[0:2]选择位置0到1的行（不包含位置2）。

示例代码：

# 切片操作：行切片
row_slice_loc = df.loc[0:1]  # 标签切片，包含结尾
print(row_slice_loc)

row_slice_iloc = df.iloc[0:2]  # 位置切片，不包含结尾，选择第一行和第二行
print(row_slice_iloc)

# 列切片
col_slice_loc = df.loc[:, '姓名':'年龄']  # 标签切片
print(col_slice_loc)

col_slice_iloc = df.iloc[:, 0:2]  # 位置切片
print(col_slice_iloc)

输出：

    姓名  年龄    薪资
0  Alice  25  50000
1    Bob  30  60000
    姓名  年龄    薪资
0  Alice  25  50000
1    Bob  30  60000
    姓名  年龄
0  Alice  25
1    Bob  30
2  Charlie  35
    姓名  年龄
0  Alice  25
1    Bob  30
2  Charlie  35

6. 多级索引DataFrame的索引方法（提前入门）

当DataFrame有多级索引（MultiIndex）时，索引方法类似，但需要指定多个层级。使用loc和iloc，结合元组或列表选择。

• 示例：创建多级索引DataFrame并索引。

# 创建多级索引示例
data_multi = {'姓名': ['Alice', 'Bob', 'Charlie'],
              '部门': ['A', 'B', 'A'],
              '年龄': [25, 30, 35]}
df_multi = pd.DataFrame(data_multi)
df_multi.set_index(['部门', '姓名'], inplace=True)  # 设置多级索引

# 索引方法
# 使用loc选择特定层级
selected = df_multi.loc[('A', 'Alice'), :]  # 选择部门A、姓名Alice的行
print(selected)

输出：

年龄    25
Name: (A, Alice), dtype: int64

7. 常见索引错误与解决方法

新手在使用索引时常遇到错误，这里列出一些常见问题：

1. KeyError：当使用df['列名']或df.loc[行标签]时，如果列名或行标签不存在，会引发KeyError。
   • 解决方法：先检查列名或行标签是否正确，使用df.columns查看列名，或df.index查看索引标签。
2. IndexError：使用df.iloc[行位置]时，如果位置超出范围（如df.iloc[10]但只有3行），会引发IndexError。
   • 解决方法：使用len(df)检查行数，或使用切片避免越界。
3. 混淆loc和iloc：错误使用基于标签或位置的方法。
   • 解决方法：记住loc用于标签，iloc用于位置；如果不确定，先查看索引类型。
4. 切片包含/不包含错误：忘记loc切片包含结尾，iloc切片不包含结尾。
   • 解决方法：通过简单测试确认切片范围。

总结

索引与切片是操作Pandas DataFrame的核心技能，从简单按列选择到复杂布尔条件筛选，都能大大提高数据处理的效率。建议多加练习，结合实际数据项目巩固知识。掌握这些方法后，你将能轻松应对各种数据选择场景！