通过整数索引选择一行熊猫系列/数据框

我很好奇，为什么df[2]不支持，而df.ix[2]与df[2:3]这两个工作。

In [26]: df.ix[2]
Out[26]: 
A    1.027680
B    1.514210
C   -1.466963
D   -0.162339
Name: 2000-01-03 00:00:00

In [27]: df[2:3]
Out[27]: 
                  A        B         C         D
2000-01-03  1.02768  1.51421 -1.466963 -0.162339

我希望df[2]以df[2:3]与Python索引约定一致的方式进行工作。是否有设计原因不支持按单个整数索引行？

回显@HYRY，请参阅0.11中的新文档

http://pandas.pydata.org/pandas-docs/stable/indexing.html

在这里，我们有了新的运算符，.iloc以明确支持仅整数索引，并且.loc明确支持仅标签索引

例如，想象这种情况

In [1]: df = pd.DataFrame(np.random.rand(5,2),index=range(0,10,2),columns=list('AB'))

In [2]: df
Out[2]: 
          A         B
0  1.068932 -0.794307
2 -0.470056  1.192211
4 -0.284561  0.756029
6  1.037563 -0.267820
8 -0.538478 -0.800654

In [5]: df.iloc[[2]]
Out[5]: 
          A         B
4 -0.284561  0.756029

In [6]: df.loc[[2]]
Out[6]: 
          A         B
2 -0.470056  1.192211

[] 仅对行进行切片（按标签位置）

DataFrame索引运算符的主要目的[]是选择列。

当索引运算符传递字符串或整数时，它将尝试查找具有该特定名称的列并将其作为Series返回。

因此，在上述问题中：df[2]搜索与整数值匹配的列名2。该列不存在，并且KeyError引发a。

使用切片符号时，DataFrame索引运算符完全更改行为以选择行

奇怪的是，当给定切片时，DataFrame索引运算符选择行，并且可以按整数位置或按索引标签来选择行。

df[2:3]

这将从整数位置为2的行开始切为3，最后一个元素除外。因此，只需一行。下面的代码选择从整数位置6开始的行，直到每第三行从20开始但不包括20的行。

df[6:20:3]

如果DataFrame索引中包含字符串，则还可以使用由字符串标签组成的切片。有关更多详细信息，请参见.iloc与.loc上的此解决方案。

我几乎从未将这种切片符号与索引运算符一起使用，因为它不是显式的，而且几乎从未使用过。按行切片时，请坚持使用.loc/.iloc。

您可以将DataFrame视为Series的字典。df[key]尝试通过选择列索引key并返回Series对象。

但是，在[]内切片会对行进行切片，因为这是非常常见的操作。

您可以阅读文档以了解详细信息：

http://pandas.pydata.org/pandas-docs/stable/indexing.html#basics

要基于索引访问熊猫表，还可以考虑使用numpy.as_array选项将表转换为Numpy数组，方法如下：

np_df = df.as_matrix()

然后

np_df[i] 

会工作。

您可以看一下源代码。

DataFrame具有对_slice()进行切片的私有函数DataFrame，并且它允许参数axis确定要切片的轴。在__getitem__()对DataFrame不设置轴，同时调用_slice()。因此_slice()，默认情况下将其切片为轴0。

您可以进行一个简单的实验，这可能对您有所帮助：

print df._slice(slice(0, 2))
print df._slice(slice(0, 2), 0)
print df._slice(slice(0, 2), 1)

您可以像这样遍历数据帧。

for ad in range(1,dataframe_c.size):
    print(dataframe_c.values[ad])