数据处理，也是风控非常重要的一个环节，甚至说是模型成败的关键环节。因此，娴熟简洁的数据处理技巧，是提高建模效率和建模质量的必要能力。这里开个专题，总结下Pandas的使用方法，方便大家，也方便自己查阅。
这个专题叫做：【50个Pandas的奇淫技巧】，今天这个算是第一讲，后续慢慢更新。
一、Pandas索引概述
很多人在使用Pandas处理数据时，总会迷失在data[]、iloc()、loc()、ix()中，似乎记得，又似乎不记得，每到用时都需要百度，不知所以然的解决了问题，下次继续百度，记忆点基本上非常混乱。总结本文，希望能解决这个问题，通过一个简单的案例彻底搞明白这几种索引方法到底有什么区别。
日常使用中，推荐使用loc和iloc进行索引，loc是指location的意思，iloc中的 i 是指integer，这两个方法容易混淆，可以使用特殊方式来加强记忆。
iloc：基于位置，用行号、列号进行索引，i 可以看着 int，因此 iloc 只能用整数 来索引，例如data.iloc[0:2,:]
loc ：基于标签，用行名、列名进行索引，数据的index经常为整数，因此 loc 的使用范围要远高于iloc，loc可以使用整数切片、名称(index,columns)索引、也可以切片和名称混合使用。例如：data.loc[0:5:,'row1':'row2']
我们简单构造一个数据集，在下面的案例中需要用到。
import pandas as pdimport numpy as npdata = pd.DataFrame(np.arange(25).reshape(5, 5), index = ['row1', 'row2','row3','row4','row5'], columns=['col1', 'col2','col3','col4','col5'])data col1 col2 col3 col4 col5row1 0 1 2 3 4row2 5 6 7 8 9row3 10 11 12 13 14row4 15 16 17 18 19row5 20 21 22 23 24
创建的表格数据如下：
二、直接用列名索引
取一列：data['col1'] ，即取得第一列，得到的是一个Series对象。
取多列：data[['col1','col2']] ，即取得第一列、第二列，得到的是一个DataFrame对象。
注 意：用data['row1'] 、data[0]、data[:,0]、data[0,:]、data[:,'col1':'col2'] 统统都会报错的，这类命令只能用来按列名取一列或多列。
data['col1']row1 0row2 5row3 10
row4 15row5 20
data[['col1','col2']] col1 col2row1 0 1row2 5 6row3 10 11row4 15 16row5 20 21
#下面的命令直接应用都会报错，但是用loc 和 iloc 就不会报错data['row1']data[0]data[:,0]data[0,:]data[:,'col1':'col2'] #TypeError: '(slice(None, None, None), 0)' is an invalid ke
三、直接用行号索引
data[0:2] 代表取得第0行和第1行，不包含最后一个。
注 意：只取一行的话，要用data[0:1]，不能用data[0]，data[0:2,]也会报错
data[0:2] col1 col2 col3 col4 col5row1 0 1 2 3 4row2 5 6 7 8 9
四、iloc按行号、列号索引
官方：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html
1、行索引
1）取一行 ：data.iloc[0] 、data.iloc[0,:]
2）取多行 ：data.iloc[[0,2]] 、data.iloc[[0,2],:]
3）取连续多行 ：data.iloc[0:2] 、data.iloc[0:2,:]
2、列索引
4）取一列 ：data.iloc[:,0]
5）取多列 ：data.iloc[:,[0,2]]、data.iloc[:,[0,2]]
6）取连续多列 ：data.iloc[:,0:2]
注 意：
取行的时候可以不提列，也可以用 "
，：" 来指全列
取列的时候必须用"：，"来指定全行。
可以使用一个数字来代表一个，可以使用一个列表[a,b]代表多个，也可以使用a:b代表连续多个。
data.iloc[0]col1 0col2 1col3 2col4 3col5 4
data.iloc[:,2:4] col3 col4row1 2 3row2 7 8row3 12 13row4 17 18row5 22 23
data.iloc[:,[2,4]] col3 col5row1 2 4row2 7 9row3 12 14row4 17 19row5 22 24
五、loc按行名、列名索引
官方网址：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html
1、行索引
取一行：data.loc['row1'] 、data.loc['row1',:]
取多行：data.loc[['row1','row2']] 、data.loc[['row1','row2'],:]
取连续多行：data.loc['row1':'row2'] 、data.loc['row1':'row2',:]
2、列索引
取一列：data.loc[:,'col1']
取多列：data.loc[:,['row1','row2']]
取连续多列：data.loc[:,'row1':'row2']
注 意：
取行的时候可以不提列，也可以用"，："来指全列。
取列的时候必须用"：，"来指定全行。
可以使用一个数字来代表一个，可以使用一个list ['a','b']代表多个，也可以使用'a':'b'代表连续多个。
data.loc[:,'col1':'col3'] col1 col2 col3row1 0 1 2row2 5 6 7row3 10 11 12row4 15 16 17row5 20 21 22
data.loc[:,['col1','col3']] col1 col3row1 0 2row2 5 7row3 10 12row4 15 17row5 20 22
data = pd.DataFrame(np.arange(25).reshape(5, 5), columns=['col1', 'col2','col3','col4', 'col5']) col1 col2 col3 col4 col50 0 1 2 3 41 5 6 7 8 92 10 11 12 13 143 15 16 17 18 194 20 21 22 23 24
data.loc[0:3,'col1':'col3'] col1 col2 col30 0 1 21 5 6 72 10 11 123 15 16 17
六、使用iat和at
iat 和 at 只能取单个元素，iat 使用行、列索引，at 使用行、列名，但是其功能被 iloc 和 loc 包含，因此不推荐。
data.at['row4'
,'col4'] 18
七、最后总结（重点！！！！）
正常情况下，推荐使用 iloc 和 loc。最核心的点记住，取行可以不提列，取列必须提行，可以用一个数字，一个list，或者一个区间来取行列。ix新版的已经弃用了，所以可以不用太关注。
- 机器学习交流qq群955171419，加入微信群请扫码：
