資料框和序列結構中都有軸標籤，軸標籤的資訊儲存在Index物件中，軸標籤的最重要的作用是：

• 唯一標識資料，用於定位資料
• 用於資料對齊
• 獲取和設定資料集的子集。

本文重點關注如何對序列（Series）和資料框（DataFrame）進行切片（slice），切塊（dice）、如何獲取和設定子集。

下表列出資料框最基本的操作及其語法：

一，最基本的選擇操作

最基本的選擇都是使用中括號[]來實現，但是隻能實現單個維度的選擇。序列（Series)最基本的選擇是使用行標籤來選擇一個標量值，資料框（DataFrame）最基本的選擇是使用列名獲得一個序列。對於序列來說，如果行索引是整數，那麼軸標籤就是整數；對於資料框而言，列的標籤通常都是文字型別。

建立一個數據框，用於資料演示：

df = pd.DataFrame(np.random.randn(8, 4), columns=['A', 'B', 'C', 'D'])

從資料框中獲取A列的資料：

>>> df["A"]
0   -0.053212
1    0.053226
2    0.768993
3   -0.319555
4    0.671913
5   -1.021473
6    1.304257
7    1.215003
Name: A, dtype: float64

從資料框中選擇多個列的資料：

df[["A","B"]]

資料框的一列是一個序列，從序列中獲得一個標量值：

>>> s=df["A"]
>>> s[0]
 -0.05321219353405595

從序列中選擇多行的資料：

s[[0,1]]

二，使用loc 和 iloc來選擇資料

索引的選擇主要是基於標籤的選擇和基於位置的選擇，對於索引來說，位置序號預設從0開始，到length(index)-1 結束。

對於資料框而言，如果沒有填寫row_indexer 或 column_indexer，那麼表示所有的row或column。在row_indexer和column_indexer中，可以使用連續的標籤，比方說，0:4，表示從0到4的一個range，即0、1、2、3，注意不包含4。

1，基於標籤的選擇

.loc 屬性用於基於軸標籤選擇特定的軸，df是資料框結構：

• 單個標籤：df.loc["row"],  df.loc["row","col"]
• 多個離散的標籤：df.loc[["row1","row2","row3"]]，df.loc[["row1","row2","row3"],["col1","col2"]]
• 連續的標籤：df.loc["row0":"row3"]，df.loc["row0":"row3","col0":"col3"]
• 布林掩碼陣列，對於資料框，所有的行構成一個序列，每行都對應一個掩碼，如果掩碼為True，表示選擇該行；如果為False，表示忽略該行。同理，資料框中的所有列也構成一個序列，每列都對應一個掩碼，如果掩碼為True，表示選擇該列；如果為False，表示忽略該列。

使用連續的標籤，獲得資料框的一個切片：

df.loc[0:1]

使用多個離散的標籤獲得特定的行和列：

df.loc[[0,2],["A","D"]]

2，基於位置的選擇

.iloc屬性用於基於位置的選擇，位置序號從0開始，到軸長（axis length-1)截止：

• 單個位置 
• 多個離散的位置
• 連續的位置
• 布林掩碼陣列

跟基於標籤的選項相比，只不過把標籤換成了位置。

三，布林掩碼索引

布林操作符是: &, | , ~，分別表示 與、或、非。通過操作符，可以把多個布林值組合成一個邏輯表示式。

當使用布林掩碼向量來作為索引時，布林向量的長度必須和索引的長度相同。這就意味著，如果一個序列有5行，那麼布林向量必須有5行；如果一個數據框有6列，那麼用於選擇列的布林向量必須有5個元素。

例如，獲得列A的資料，獲得一個序列，對序列進行邏輯運算，得到一個布林向量：

df["A"]>0

用布林向量來過濾資料行，得到基於資料掩碼的選擇：

df.loc[df["A"]>0,["A","B"]]

使用布林掩碼向量作為行索引，由於行索引有8個，即Range(8)，因此，布林掩碼向量必須有8行。df["A"]>0 返回一個布林向量，是由8個布林值構成的向量。當元素值是Ture時，表示選擇該行；當元素值是False時，表示忽略該行。

也可以對布林向量進行邏輯運算，比如：

s[(s < -1) | (s > 0.5)]

四，通過可呼叫的函式來選擇資料

資料框和序列的 .loc， .iloc 和 [] 都可以接收一個可呼叫的函式（ callable function）作為索引， 可呼叫的函式必須只有一個引數，並且引數是序列或資料框，返回的是布林掩碼向量。 

 舉個例子，使用lambda定義函式，下面兩個指令碼是等價的。

df.loc[lambda df: df['A'] > 0, ["A","B"]]
df.loc[df["A"]>0,["A","B"]]

五，isin函式

判斷單個值或多個值是否存在於序列或資料框中，返回的是布林值掩碼，並可以通過掩碼來會返回值：

In [157]: s.isin([v1,v2,...])

In [158]: s[s.isin([v1,v2,...])]

六，where函式和mask函式

where()函式接收的引數是布林掩碼，返回的shape跟原始的序列和資料框相同，只不過布林值為False的元素被設定為NaN，布林值為True的元素顯示為原始值，即，把布林掩碼為False的元素掩蔽。

例如，序列s是df["A"]，s>0是一個布林掩碼，下面的程式碼返回的是一個序列，只不過掩碼為False的元素全部為NaN，where()函式的作用是布林掩碼為True的返回，為False的設定為NaN。

s.where(s>0)

mask()函式接收的引數也是布林掩碼，返回的shape跟原始序列或資料框也相同，只不過布林值為False的元素顯示為原始值，而布林值為True的元素顯示為NaN，即，把不二掩碼為True的元素掩蔽。

 七，query()函式

 query()函式可以使用表示式來選擇資料框，以簡化資料框的查詢，比如，以下兩段程式碼返回的結果是相同的，而使用query()函式的程式碼更簡潔：

# 布林組合
df[(df['a'] < df['b']) & (df['b'] < df['c'])]
df.query('(a < b) & (b < c)')

# isin
df[df['a'].isin(df['b'])]
df.query('a in b')

# not in
df.query('a not in b')
df[~df['a'].isin(df['b'])]

#布林組合
df.query('a in b and c < d')
df[df['b'].isin(df['a']) & (df['c'] < df['d'])]

在query()函式中，可以使用關鍵字 index來代替資料框的index屬性：

df.query('index < b < c')

在query()函式中，使用 == [] 等價於 in；使用 != [] 等價於 not in

# in
df.query('b == ["a", "b", "c"]')
df[df['b'].isin(["a", "b", "c"])]

# not in
df.query('c != [1, 2]')
df.query('[1, 2] not in c')

參考文件：

Indexing and selecting data

Intro Pa