DataFrame的索引操作

小象实战讲义 · Python数据分析实战

上一节我们详细学习了Series的索引操作，这一节我们来看一下DataFrame的索引操作。DataFrame作为二维表格结构，其索引方式比Series更加丰富，既有列索引也有行索引，还有混合索引。掌握这些索引操作是高效进行数据筛选和提取的基础。

💡 核心导读

• DataFrame的列索引：使用方括号直接获取单列或多列
• DataFrame的行索引：必须使用.loc[]（标签索引）或.iloc[]（位置索引）
• 混合索引：先行后列与先列后行的多种写法
• inplace参数的作用：控制操作是否在原数据上直接修改

DataFrame的列索引

DataFrame在设计时更倾向于面向列的操作，因此直接使用方括号进行索引时，默认获取的是列数据。

import pandas as pd
import numpy as np

# 构建DataFrame
country1 = pd.Series({'Name': '中国',
                    'Language': 'Chinese',
                    'Area': '9.597M km2',
                     'Happiness Rank': 79})

country2 = pd.Series({'Name': '美国',
                    'Language': 'English (US)',
                    'Area': '9.834M km2',
                     'Happiness Rank': 14})

country3 = pd.Series({'Name': '澳大利亚',
                    'Language': 'English (AU)',
                    'Area': '7.692M km2',
                     'Happiness Rank': 9})

df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

print("完整DataFrame:")
print(df)
print()

完整DataFrame:
    Name      Language        Area  Happiness Rank
CH    中国       Chinese  9.597M km2              79
US    美国  English (US)  9.834M km2              14
AU  澳大利亚  English (AU)  7.692M km2               9

单列索引

获取单列时，直接在方括号中放入列名，返回的是一个Series对象：

import pandas as pd

# 重新构建DataFrame（每个代码块自包含）
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

# 获取'Area'列
area_series = df['Area']
print("Area列数据:")
print(area_series)
print(f"类型: {type(area_series).__name__}")

Area列数据:
CH    9.597M km2
US    9.834M km2
AU    7.692M km2
Name: Area, dtype: str
类型: Series

多列索引

获取不连续的多列时，需要在方括号中放入列名的列表，返回的是一个DataFrame：

import pandas as pd

# 重新构建DataFrame
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

# 获取'Area'和'Name'两列
area_name_df = df[['Area', 'Name']]
print("Area和Name两列数据:")
print(area_name_df)
print(f"类型: {type(area_name_df).__name__}")

Area和Name两列数据:
          Area  Name
CH  9.597M km2    中国
US  9.834M km2    美国
AU  7.692M km2  澳大利亚
类型: DataFrame

DataFrame的行索引

在DataFrame中进行行索引时，必须使用.loc[]（基于标签）或.iloc[]（基于位置），不能省略。这是因为DataFrame有两个索引方向（行和列），如果省略.loc/.iloc，Python会将其解释为列索引。

import pandas as pd

# 重新构建DataFrame
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

# 获取行标签为'CH'的行（中国）
row_ch = df.loc['CH']
print("行标签'CH'的数据:")
print(row_ch)
print(f"类型: {type(row_ch).__name__}")
print()

# 获取第一行（位置0，即中国）
row_first = df.iloc[0]
print("位置0（第一行）的数据:")
print(row_first)
print(f"类型: {type(row_first).__name__}")

行标签'CH'的数据:
Name                      中国
Language             Chinese
Area              9.597M km2
Happiness Rank            79
Name: CH, dtype: object
类型: Series

位置0（第一行）的数据:
Name                      中国
Language             Chinese
Area              9.597M km2
Happiness Rank            79
Name: CH, dtype: object
类型: Series

注意：无论是获取一列还是一行，返回的都是Series类型，因为它们都是一维数据。

混合索引

混合索引指的是同时指定行和列来获取特定单元格的数据。有两种方式：先行后列和先列后行。

先行后列

先使用.loc[]或.iloc[]获取行（得到一个Series），再从这个Series中获取列：

import pandas as pd

# 重新构建DataFrame
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

# 方法1: 先行后列
value1 = df.loc['CH']['Area']
print(f"df.loc['CH']['Area'] = {value1}")

# 使用iloc同理
value2 = df.iloc[0]['Area']  # iloc[0]对应第一行'CH'
print(f"df.iloc[0]['Area'] = {value2}")

df.loc['CH']['Area'] = 9.597M km2
df.iloc[0]['Area'] = 9.597M km2

先列后行

先获取列（得到一个Series），再从这个Series中获取行：

import pandas as pd

# 重新构建DataFrame
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

# 方法2: 先列后行
value3 = df['Area']['CH']
print(f"df['Area']['CH'] = {value3}")

# 在得到的Series上，可以加.loc或.iloc，效果一样
value4 = df['Area'].loc['CH']
print(f"df['Area'].loc['CH'] = {value4}")

value5 = df['Area'].iloc[0]
print(f"df['Area'].iloc[0] = {value5}")

df['Area']['CH'] = 9.597M km2
df['Area'].loc['CH'] = 9.597M km2
df['Area'].iloc[0] = 9.597M km2

两种方式的结果相同，选择哪种取决于个人习惯和代码可读性。

inplace参数的作用

Pandas中的很多操作（如drop()、replace()等）都有一个重要的参数inplace，它控制操作是否在原数据上直接修改。

默认行为：inplace=False

当inplace=False（默认值）时，操作会返回一个新的对象，原始数据保持不变：

import pandas as pd

# 创建新的DataFrame用于演示
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df_demo = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

print("原始数据:")
print(df_demo)
print()

# 删除Area列，默认inplace=False
df_new = df_demo.drop('Area', axis=1)
print("删除Area列后的新DataFrame:")
print(df_new)
print()

print("原始数据是否改变？")
print(df_demo)

原始数据:
    Name      Language        Area  Happiness Rank
CH    中国       Chinese  9.597M km2              79
US    美国  English (US)  9.834M km2              14
AU  澳大利亚  English (AU)  7.692M km2               9

删除Area列后的新DataFrame:
    Name      Language  Happiness Rank
CH    中国       Chinese              79
US    美国  English (US)              14
AU  澳大利亚  English (AU)               9

原始数据是否改变？
    Name      Language        Area  Happiness Rank
CH    中国       Chinese  9.597M km2              79
US    美国  English (US)  9.834M km2              14
AU  澳大利亚  English (AU)  7.692M km2               9

直接修改：inplace=True

当inplace=True时，操作会在原数据上直接修改，且没有返回值（返回None）：

import pandas as pd

# 创建新的DataFrame用于演示
country1 = pd.Series({'Name': '中国', 'Language': 'Chinese', 'Area': '9.597M km2', 'Happiness Rank': 79})
country2 = pd.Series({'Name': '美国', 'Language': 'English (US)', 'Area': '9.834M km2', 'Happiness Rank': 14})
country3 = pd.Series({'Name': '澳大利亚', 'Language': 'English (AU)', 'Area': '7.692M km2', 'Happiness Rank': 9})
df_inplace = pd.DataFrame([country1, country2, country3], index=['CH', 'US', 'AU'])

print("操作前数据:")
print(df_inplace)
print()

# 删除Area列，inplace=True
result = df_inplace.drop('Area', axis=1, inplace=True)
print(f"drop操作返回值: {result}")
print()

print("操作后数据（已直接修改）:")
print(df_inplace)

操作前数据:
    Name      Language        Area  Happiness Rank
CH    中国       Chinese  9.597M km2              79
US    美国  English (US)  9.834M km2              14
AU  澳大利亚  English (AU)  7.692M km2               9

drop操作返回值: None

操作后数据（已直接修改）:
    Name      Language  Happiness Rank
CH    中国       Chinese              79
US    美国  English (US)              14
AU  澳大利亚  English (AU)               9

重要提示：

• inplace=False（默认）：安全，原始数据不变，需要用变量接收结果
• inplace=True：直接修改原始数据，无返回值，使用时需谨慎
• 如果对inplace=True的操作结果用变量接收，该变量的值会是None

📝 动手练一练

1. 概念辨析：在DataFrame中，为什么行索引必须使用.loc[]或.iloc[]，而列索引可以直接用方括号？

2. 代码实践：创建一个包含学生成绩的DataFrame，然后：
   • 使用列索引获取”数学”成绩列
   • 使用行索引获取”李四”的所有成绩
   • 使用混合索引获取”王五”的”英语”成绩
   • 使用drop()方法删除”语文”列（用两种方式：创建新对象和直接修改）

import pandas as pd

# 创建学生成绩DataFrame
scores = pd.DataFrame({
    '语文': [85, 92, 78],
    '数学': [90, 88, 95],
    '英语': [88, 85, 92]
}, index=['张三', '李四', '王五'])

print("原始数据:")
print(scores)
print()

# 1. 获取"数学"成绩列
math_scores = scores['数学']
print("数学成绩列:")
print(math_scores)
print(f"类型: {type(math_scores).__name__}")
print()

# 2. 获取"李四"的所有成绩
li_si_scores = scores.loc['李四']
print("李四的所有成绩:")
print(li_si_scores)
print(f"类型: {type(li_si_scores).__name__}")
print()

# 3. 获取"王五"的"英语"成绩
wang_wu_english = scores.loc['王五']['英语']  # 或 scores['英语']['王五']
print("王五的英语成绩:", wang_wu_english)
print()

# 4. 删除"语文"列（两种方式）
# 方式1：创建新对象（默认inplace=False）
scores_no_chinese = scores.drop('语文', axis=1)
print("方式1 - 删除语文列后的新DataFrame:")
print(scores_no_chinese)
print("原始数据不变:")
print(scores)
print()

# 方式2：直接修改（inplace=True）
scores_copy = scores.copy()  # 先复制一份，避免修改原始数据
scores_copy.drop('语文', axis=1, inplace=True)
print("方式2 - 直接修改后:")
print(scores_copy)

原始数据:
    语文  数学  英语
张三  85  90  88
李四  92  88  85
王五  78  95  92

数学成绩列:
张三    90
李四    88
王五    95
Name: 数学, dtype: int64
类型: Series

李四的所有成绩:
语文    92
数学    88
英语    85
Name: 李四, dtype: int64
类型: Series

王五的英语成绩: 92

方式1 - 删除语文列后的新DataFrame:
    数学  英语
张三  90  88
李四  88  85
王五  95  92
原始数据不变:
    语文  数学  英语
张三  85  90  88
李四  92  88  85
王五  78  95  92

方式2 - 直接修改后:
    数学  英语
张三  90  88
李四  88  85
王五  95  92

本章小结

本节我们深入学习了DataFrame的索引操作，这是Pandas数据操作的核心技能之一。掌握这些索引方式，能够帮助我们高效地从复杂的数据集中提取所需信息。

📋 行动清单

• 练习DataFrame的列索引：使用方括号获取单列和多列数据
• 掌握行索引的两种方式：.loc[]用于标签索引，.iloc[]用于位置索引
• 尝试混合索引：分别用先行后列和先列后行的方式获取特定单元格数据
• 理解inplace参数：区分创建新对象和直接修改原数据的场景

—— 小象教研组