dataframe如何用索引切片

在 Pandas 中，可以使用索引切片来获取 DataFrame 中的子集，具体方法如下：

1. 以行为基准进行切片

- 使用行标签（索引）进行切片，例如取出第 2 行到第 4 行的数据：

df.loc[2:4, :]

- 使用行号进行切片，例如取出第 2 行到第 4 行的数据：

df.iloc[1:4, :]

2. 以列为基准进行切片

- 使用列标签进行切片，例如取出 name 和 age 两列数据：

df.loc[:, ['name', 'age']]

- 使用列号进行切片，例如取出第 2 列到第 4 列的数据：

df.iloc[:, 1:4]

3. 同时以行和列为基准进行切片

- 使用行标签和列标签进行切片，例如取出第 2 行到第 4 行，name、age、gender 三列的数据：

df.loc[2:4, ['name', 'age', 'gender']]

- 使用行号和列号进行切片，例如取出第 2 行到第 4 行，第 2 列到第 4 列的数据：

df.iloc[1:4, 1:4]

其中， `:` 表示取全部的行或列。同时，切片时第一个数字是包含在结果中的，而第二个数字是不包含在结果中的，这与 Python 中的切片操作是相同的。

需要注意的是，在进行索引切片时，使用的是 `loc` 和 `iloc` 方法，而不是 `[]` 运算符。在 Pandas 中，`[]` 运算符通常用于列的选择。

相关问题

dataframe 索引切片包含右边吗，series索引切片包含右边吗

在 Pandas 中，DataFrame 和 Series 的索引切片默认是包含右边的。也就是说，当你使用 `df[start:end]` 或者 `s[start:end]` 进行索引切片时，`end` 所在的元素也会被包含在内。

举个例子，假设有一个 DataFrame `df`，其中包含了一个整数索引：

>>> import pandas as pd
>>> df = pd.DataFrame({'A': [1, 2, 3, 4]}, index=[10, 20, 30, 40])
>>> df
    A
10  1
20  2
30  3
40  4

如果你想要获取索引从 20 到 30 的所有行，可以使用下面的代码：

>>> df[20:31]
    A
20  2
30  3

注意，这里的 `31` 实际上是超出了索引范围的，但由于切片默认是包含右边的，因此依然会返回索引为 30 的这一行。

类似地，对于一个 Series `s`，使用 `s[start:end]` 进行索引切片也是包含右边的。例如：

>>> s = pd.Series([1, 2, 3, 4], index=[10, 20, 30, 40])
>>> s[20:31]
20    2
30    3
dtype: int64

同样地，这里的 `31` 也是被包含在内的。

dataframe切片索引不连续的行

可以使用iloc方法进行切片索引不连续的行。

例如，假设有一个名为df的DataFrame，其中包含以下数据：

   A  B  C
0  1  2  3
1  4  5  6
2  7  8  9
3  10 11 12
4  13 14 15

如果要选择第1行和第3行，可以使用以下代码：

df_slice = df.iloc[[1, 3]]

这将返回以下数据：

   A  B  C
1  4  5  6
3  10 11 12

在这个例子中，我们使用了iloc方法，并将一个包含所需行索引的列表传递给它。这使我们能够选择不连续的行并返回一个包含这些行的新DataFrame。