這個問題可以分兩個思路來講

雖然本質(zhì)上都是一樣的。

在之前的一篇文章中，我提到了用dfmask矩陣這個概念（在官網(wǎng)上有的hhh） 點擊這里可以看~。
這里我也會用到類似的東西，但是理解會更透徹一點。

先來個簡單的點hhh

import pandas as pd if __name__ == '__main__':df = pd.DataFrame({'AAA': range(5), 'BBB': list('abcde'), 'CCC': ['a', 12, 1.2, ['alist'], (1, 2)]})print(df)print(df[df.AAA >= 2])

輸出的結(jié)果是：

AAA BBB CCC 0 0 a a 1 1 b 12 2 2 c 1.2 3 3 d [alist] 4 4 e (1, 2)AAA BBB CCC 2 2 c 1.2 3 3 d [alist] 4 4 e (1, 2)

這個意思還是很簡單的。關(guān)鍵還是對這個要有個比較深的理解。
* 比如，這個東西是得到的是copy對象，還是原數(shù)據(jù)的索引？

import pandas as pdif __name__ == '__main__':df = pd.DataFrame({'AAA': range(5), 'BBB': list('abcde'), 'CCC': ['a', 12, 1.2, ['alist'], (1, 2)]})df[df.AAA >= 2].iloc[0, 1] = 'qwe'print(df)

通過上面的代碼，輸出的之后，是會報錯的~
雖然也只是警告信息！
輸出的信息如下：

AAA BBB CCC 0 0 a a 1 1 b 12 2 2 c 1.2 3 3 d [alist] 4 4 e (1, 2) C:\Users\Administrator\AppData\Local\Programs\Python\Python35-32\lib\site-packages\pandas\core\indexing.py:537: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copyself.obj[item] = s

但是將代碼改成下面的代碼就不會出現(xiàn)問題了

import pandas as pdif __name__ == '__main__':df = pd.DataFrame({'AAA': range(5), 'BBB': list('abcde'), 'CCC': ['a', 12, 1.2, ['alist'], (1, 2)]})df[df.AAA >= 2].copy().iloc[0, 1] = 'qwe'print(df)

根據(jù)分析，其實不難推測出。在這里，其實一開始是使用的引用的版本，但是在發(fā)生賦值的情況下，就先轉(zhuǎn)成了copy的版本，然后，發(fā)出警告！
所以，之前雖然表面上說的是這個變成copy，其實還是一個引用對象來的~。

再來研究

• 這里的df.AAA >= 2究竟是什么？

我們來試一下~（其實早就知道結(jié)果了…

import pandas as pdif __name__ == '__main__':df = pd.DataFrame({'AAA': range(5), 'BBB': list('abcde'), 'CCC': ['a', 12, 1.2, ['alist'], (1, 2)]})print(df.AAA >= 2)

輸出的結(jié)果是：

0 False 1 False 2 True 3 True 4 True Name: AAA, dtype: bool

• 也就是通過個series對象，來進行列篩選！
• 不同于.where，這里處理的對象是True的~

最后，老套路，宣傳一波自己的公眾號！（求關(guān)注哇！）
本人中大一肥宅，歡迎大家關(guān)注，請掃下面的二維碼(〃’▽’〃)

如果覺得有幫助的話，可以掃碼，贊賞鼓勵一下！謝謝！

總結(jié)

以上是生活随笔為你收集整理的Dataframe花样切片~(Python)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。