一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第8天，点击查看活动详情。
上篇文章介绍了Dataframe数据结构及Dataframe对象创建方式，这篇文章就来介绍一下Dataframe数据的查询。
Dataframe 数据查询
索引的查询
可以使用Dataframe的index属性和columns属性获取行、列索引。
import pandas as pd
data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
df = pd.DataFrame(data)
print(df.index)
print(df.columns)
df
结果输出如下：
元素的查询
DataFrame 元素查询有一下几种查询方式：使用[]切片、loc方法、iloc方法、at方法、iat方法等，下面分别介绍一下。
- 使用[]切片
和Series数据结果一样，Dataframe也支持使用[]进行切片，使用方式也类似，通过行、列的下标或名称进行指定位置元素的查询。 例如：
# 获取第0行数据
df[0:1]
# 获取第2-4行数据(不包括4)
df[2:4]
# 获取某一列
df.name # df["name"]
# 获取某几列
df[["name", "gender"]]
# 获取指定行指定列
df[2:4][["name", "gender"]]
- 通过loc方法和iloc方法： 其中loc方法是以行索引的名称和列索引的名称作为参数使用，iloc方法是以行索引的位置和列索引的位置作为参数使用，具体使用方式如下：
# 获取某行
df.loc[1]
df.iloc[1]
# 获取多行
df.loc[1:3]
df.iloc[1:3]
# 获取某列
df.loc[:, "name"]
df.iloc[:, 0]
# 获取多列
df.loc[:, ["name","gender"]]
df.iloc[:, [0,2]]
除了上面这些， 这里有一点需要注意一下，就是使用loc方法行索引参数为区间时，区间前后都为闭区间；而iloc为前闭后开区间。
- 通过at方法和iat方法： at和iat的使用方法与loc和iloc类似，不同的是，at和iat只能访问单个元素，不能访问多个元素，但是查询速度比loc和iloc更快一些，具体使用如下：
# 查询index为0列名为name的元素
df.at[0, "name"]
# 查询第2行第1列的元素
df.iat[2,1]
原创不易，如果小伙伴们觉得有帮助，麻烦点个赞再走呗~
最后，感谢女朋友在工作和生活中的包容、理解与支持 ！
