Python 熊猫数据帧的矩阵（位置）索引

假设我有以下数据帧：

tmp = np.random.randn(10,4)
df = pd.DataFrame(tmp, index=pd.date_range('1/1/2012', periods=tmp.shape[0]), 
                 columns=['A', 'B', 'C', 'D'])

> b
                   A         B         C         D
2012-01-01  0.471846  1.130041 -0.614117  0.882738
2012-01-02 -1.431566  0.680617 -0.615331  0.288740
2012-01-03  0.398567 -0.115388 -0.869855 -1.273666
2012-01-04  0.379501  0.192329 -1.942184  0.694004
2012-01-05  1.306329 -0.803856  0.417033 -0.655907
2012-01-06 -0.599877  0.696549 -0.252789  1.367977
2012-01-07 -1.618916  0.216571 -0.499880  0.386853
2012-01-08  0.415002  0.139775  0.251842  0.021379
2012-01-09  2.536787  0.737672 -0.740485 -0.890189
2012-01-10 -1.553530 -0.100950 -0.237478 -0.295612

我怎样做：

特定行/列的位置索引？（并获取相应的子数据帧）

行/列范围的位置索引？（并获取相应的子数据帧）

对于单条目矩阵索引： 例如，假设我想在位置

[1,2]

中索引子数据帧（以numpy“矩阵”表示法）。输出应为：

                   C
2012-01-02 -0.615331

                   B
2012-01-02 -0.615331  
2012-01-03 -0.869855 

我试过以下三种方法，但都不管用：

df[1,2]
df[1][2]
df.take([1])[2]

唯一有效的方法似乎是：

df.ix[1,2]
df.irow(1)[2]

但是：

• 使用

  .ix

  进行位置索引是危险的，因为如果我的索引是整数（与上述情况中的日期相反），它将默认为标签索引。请在此处查看有关此的详细信息：

• 使用

  irow

  很麻烦，因为它需要从

  （）

  表示法切换到

  []

  表示法（

  irow

  返回一个

  系列

  对象）

对于范围矩阵索引： 例如，假设我想在（numpy矩阵表示法）中对位置

[1:3,2:3]

中的元素进行索引。输出应为：

                   C
2012-01-02 -0.615331

                   B
2012-01-02 -0.615331  
2012-01-03 -0.869855 

请注意，我排除了停止指数（即，我坚持numpy符号）

---

有什么想法吗？

这项经常被要求的功能很快就会到位

---

如果您想用它进行测试，可以将其从分支上拔下

这一经常要求的功能很快就会到位 如果您想使用它进行测试，您可以将其从分支中拔出这里有一个解决方法（直到提交所提到的特性请求@Jeff）：

这表明，即使使用无序整数索引，语法的工作方式也是相同的：

In [206]: df2 = df.reset_index(drop=True)

In [207]: index = range(10)

In [208]: import random

In [209]: random.shuffle(index)

In [210]: df2.index = index

In [212]: df2.ix[df2.index[1], df2.columns[2]]
Out[212]: -0.3021434106214243

In [213]: df2.ix[df2.index[1:3], df2.columns[2:3]]
Out[213]: 
          C
7 -0.302143
2 -1.430387

以下是一个解决方法（直到提交@Jeff提到的功能请求）：

这表明，即使使用无序整数索引，语法的工作方式也是相同的：

In [206]: df2 = df.reset_index(drop=True)

In [207]: index = range(10)

In [208]: import random

In [209]: random.shuffle(index)

In [210]: df2.index = index

In [212]: df2.ix[df2.index[1], df2.columns[2]]
Out[212]: -0.3021434106214243

In [213]: df2.ix[df2.index[1:3], df2.columns[2:3]]
Out[213]: 
          C
7 -0.302143
2 -1.430387

---

从pandas文档中：

Pandas提供了一套方法，以获得纯粹基于整数的索引。语义与python和numpy切片密切相关。这些是基于0的索引。切片时，包括起始边界，而排除上限。尝试使用非整数时，即使是有效的标签也会引发索引器错误

.iloc属性是主要的访问方法。以下是有效的输入：

整数，例如5 整数的列表或数组[4，3，0]

---

pandas文档中ints为1:7的切片对象：

Pandas提供了一套方法，以获得纯粹基于整数的索引。语义与python和numpy切片密切相关。这些是基于0的索引。切片时，包括起始边界，而排除上限。尝试使用非整数时，即使是有效的标签也会引发索引器错误

.iloc属性是主要的访问方法。以下是有效的输入：

整数，例如5 整数的列表或数组[4，3，0]

---

整数为1:7的切片对象

这样的东西怎么样<代码>df.as_矩阵（）[1:3,2:3]。您需要结果来保留所有数据帧元信息吗？谢谢@Zelazny7。这很好，但是是的，我真的很想保留数据帧元信息。像这样的东西怎么样<代码>df.as_矩阵（）[1:3,2:3]。您需要结果来保留所有数据帧元信息吗？谢谢@Zelazny7。这很好，但是是的，我真的希望保留DataFrame元信息。.ix是正确的解决方案，因为您的帧在索引方案中没有任何歧义，使用整数将按照您的预期反应，例如通过numpy/python语义进行位置索引（只有当你有一个本身由整数组成的索引时，这是一个问题）。ix是正确的解决方案，因为你的框架在索引方案中没有任何歧义，使用整数将按照你的预期反应，例如通过numpy/python语义进行位置索引（只有当u的索引本身由整数组成时，这才是一个问题）