Luquiescene

站点统计

文章

57

分类

5

标签

14

总字数

58,715

运行天数

0 天

最后活动

0 天前

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

Luquiescene

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

AI coding Arduino C++ Git GitHub Python 博客天文学学习笔记工具教程数据科学日常硬件

Luquiescene

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

AI coding Arduino C++ Git GitHub Python 博客天文学学习笔记工具教程数据科学日常硬件

站点统计

文章

57

分类

5

标签

14

总字数

58,715

运行天数

0 天

最后活动

0 天前

325 字

1 分钟

笔记｜数据分析学习笔记19｜DataFrame的访问

2026-07-04

理工研习

Python

/

数据科学

/

学习笔记

/

教程

本系列所有文章都放在数据科学标签，总目录如下：

合集｜数据分析学习笔记｜系列总目录

上一篇：笔记｜数据分析学习笔记18｜DataFrame的属性

19.1 按行列访问（loc、iloc、at、iat）#

沿用前两节的 DataFrame：

1
import pandas as pd
2
import numpy as np
3

4
df = pd.DataFrame(
5
    {
6
        'name': ['tom', 'tom', 'jack', 'alice', 'bob', 'allen'],
7
        'score': [60.5, 60.5, 80, 30.6, 70, 83.5],
8
        'age': [15, 15, 15, 20, 26, 30]
9
    },
10
    index=[1, 2, 3, 4, 5, 6]
11
)

访问某行：

1
print(df.loc[4])    # 按标签取第4行
2
print(df.iloc[3])   # 按位置取第4行（索引从0开始）

输出：

1
name     alice
2
score     30.6
3
age         20
4
Name: 4, dtype: object
5
name     alice
6
score     30.6
7
age         20
8
Name: 4, dtype: object

访问某列：

1
print(df.loc[:, 'name'])   # 所有行的 name 列
2
print(df.iloc[:, 0])        # 所有行的第1列

输出：

1
1      tom
2
2      tom
3
3     jack
4
4    alice
5
5      bob
6
6    allen
7
Name: name, dtype: object
8
1      tom
9
2      tom
10
3     jack
11
4    alice
12
5      bob
13
6    allen
14
Name: name, dtype: object

访问单个元素：

1
print(df.at[3, 'score'])    # 标签访问
2
print(df.iat[2, 1])          # 位置访问（第3行第2列）
3
print(df.loc[3, 'score'])    # loc 同样可访问单个元素
4
print(df.iloc[2, 1])         # iloc 同样可访问单个元素

输出：

19.2 获取单列与多列#

获取单列（返回 Series）：

1
print(df['name'])
2
print(type(df['name']))   # <class 'pandas.core.series.Series'>
3
print(df.name)            # 也可通过属性方式访问

输出：

1
1      tom
2
2      tom
3
3     jack
4
4    alice
5
5      bob
6
6    allen
7
Name: name, dtype: object
8
<class 'pandas.core.series.Series'>
9
1      tom
10
2      tom
11
3     jack
12
4    alice
13
5      bob
14
6    allen
15
Name: name, dtype: object

获取多列（返回 DataFrame）：

1
print(df[['name', 'score']])
2
print(type(df[['name', 'score']]))  # <class 'pandas.core.frame.DataFrame'>

输出：

1
    name  score
2
1    tom   60.5
3
2    tom   60.5
4
3   jack   80.0
5
4  alice   30.6
6
5    bob   70.0
7
6  allen   83.5
8
<class 'pandas.core.frame.DataFrame'>

要点： df['col'] 返回 Series，df[['col1', 'col2']]（双层方括号）返回 DataFrame。

19.3 数据预览与筛选#

查看部分数据：

1
print(df.head(2))   # 前2行
2
print(df.tail(3))   # 后3行

输出：

1
  name  score  age
2
1  tom   60.5   15
3
2  tom   60.5   15
4
    name  score  age
5
4  alice   30.6   20
6
5    bob   70.0   26
7
6  allen   83.5   30

布尔索引筛选：

1
print(df[df.score > 70])                        # 单条件
2
print(df[(df.score > 70) & (df.age < 20)])       # 多条件（与）

输出：

1
    name  score  age
2
3   jack   80.0   15
3
6  allen   83.5   30
4
   name  score  age
5
3  jack   80.0   15

随机抽样：

1
print(df.sample(3))  # 随机抽取3行

输出（结果随机）：

1
    name  score  age
2
6  allen   83.5   30
3
1    tom   60.5   15
4
4  alice   30.6   20

19.4 本节小结#

本节完成了以下内容：

掌握了 loc（按标签）、iloc（按位置）、at、iat 四种索引器的用法。
理解了单列（df['col'] 返回 Series）与多列（df[['c1', 'c2']] 返回 DataFrame）的区别。
学会了 head()、tail() 预览、布尔索引多条件筛选（& / |）、sample() 随机抽样。

下一节我们将学习 DataFrame 的常用方法。

下一篇：笔记｜数据分析学习笔记20｜DataFrame的常用方法

如果这篇文章对你有帮助，欢迎分享给更多人！

笔记｜数据分析学习笔记19｜DataFrame的访问

https://luq-blog.xyz/posts/2026-07-04-data-notes-19-df-access/

作者

Luquiescene

发布于

2026-07-04

许可协议

CC BY-NC-SA 4.0

部分信息可能已经过时

笔记｜数据分析学习笔记18｜DataFrame的属性

笔记｜数据分析学习笔记20｜DataFrame的常用方法