欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python pandas庫中DataFrame對行和列的操作實例講解

 更新時間:2018年06月09日 09:56:26   作者:風景不在對岸wj  
今天小編就為大家分享一篇python pandas庫中DataFrame對行和列的操作實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

用pandas中的DataFrame時選取行或列:

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame
ser = Series(np.arange(3.))
data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
data['w'] #選擇表格中的'w'列,使用類字典屬性,返回的是Series類型
data.w #選擇表格中的'w'列,使用點屬性,返回的是Series類型
data[['w']] #選擇表格中的'w'列,返回的是DataFrame類型
data[['w','z']] #選擇表格中的'w'、'z'列
data[0:2] #返回第1行到第2行的所有行,前閉后開,包括前不包括后
data[1:2] #返回第2行,從0計,返回的是單行,通過有前后值的索引形式,
  #如果采用data[1]則報錯
data.ix[1:2] #返回第2行的第三種方法,返回的是DataFrame,跟data[1:2]同
data['a':'b'] #利用index值進行切片,返回的是**前閉后閉**的DataFrame, 
  #即末端是包含的 
data.irow(0) #取data的第一行
data.icol(0) #取data的第一列
data.head() #返回data的前幾行數(shù)據(jù),默認為前五行,需要前十行則data.head(10)
data.tail() #返回data的后幾行數(shù)據(jù),默認為后五行,需要后十行則data.tail(10)
ser.iget_value(0) #選取ser序列中的第一個
ser.iget_value(-1) #選取ser序列中的最后一個,這種軸索引包含索引器的series不能采用ser[-1]去獲取最后一個,這會引起歧義。
data.iloc[-1] #選取DataFrame最后一行,返回的是Series
data.iloc[-1:] #選取DataFrame最后一行,返回的是DataFrame
data.loc['a',['w','x']] #返回‘a'行'w'、'x'列,這種用于選取行索引列索引已知
data.iat[1,1] #選取第二行第二列,用于已知行、列位置的選取。

下面是簡單的例子使用驗證:

import pandas as pd
from pandas import Series, DataFrame
import numpy as np
data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])
data
Out[7]: 
  a b c d e
one  0 1 2 3 4
two  5 6 7 8 9
three 10 11 12 13 14
#對列的操作方法有如下幾種
data.icol(0) #選取第一列
E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
 # -*- coding: utf-8 -*-
Out[35]: 
one  0
two  5
three 10
Name: a, dtype: int32
data['a']
Out[8]: 
one  0
two  5
three 10
Name: a, dtype: int32
data.a
Out[9]: 
one  0
two  5
three 10
Name: a, dtype: int32
data[['a']]
Out[10]: 
  a
one  0
two  5
three 10
data.ix[:,[0,1,2]] #不知道列名只知道列的位置時
Out[13]: 
  a b c
one  0 1 2
two  5 6 7
three 10 11 12
data.ix[1,[0]] #選擇第2行第1列的值
Out[14]: 
a 5
Name: two, dtype: int32
data.ix[[1,2],[0]] #選擇第2,3行第1列的值
Out[15]: 
  a
two  5
three 10
data.ix[1:3,[0,2]] #選擇第2-4行第1、3列的值
Out[17]: 
  a c
two  5 7
three 10 12
data.ix[1:2,2:4] #選擇第2-3行,3-5(不包括5)列的值
Out[29]: 
  c d
two 7 8
data.ix[data.a>5,3]
Out[30]: 
three 13
Name: d, dtype: int32
data.ix[data.b>6,3:4] #選擇'b'列中大于6所在的行中的第4列,有點拗口
Out[31]: 
  d
three 13
data.ix[data.a>5,2:4] #選擇'a'列中大于5所在的行中的第3-5(不包括5)列
Out[32]: 
  c d
three 12 13
data.ix[data.a>5,[2,2,2]] #選擇'a'列中大于5所在的行中的第2列并重復3次
Out[33]: 
  c c c
three 12 12 12
#還可以行數(shù)或列數(shù)跟行名列名混著用
data.ix[1:3,['a','e']]
Out[24]: 
  a e
two  5 9
three 10 14
data.ix['one':'two',[2,1]]
Out[25]: 
  c b
one 2 1
two 7 6
data.ix[['one','three'],[2,2]]
Out[26]: 
  c c
one  2 2
three 12 12
data.ix['one':'three',['a','c']]
Out[27]: 
  a c
one  0 2
two  5 7
three 10 12
data.ix[['one','one'],['a','e','d','d','d']]
Out[28]: 
  a e d d d
one 0 4 3 3 3
one 0 4 3 3 3
#對行的操作有如下幾種:
data[1:2] #(不知道列索引時)選擇第2行,不能用data[1],可以用data.ix[1]
Out[18]: 
  a b c d e
two 5 6 7 8 9
data.irow(1) #選取第二行
Out[36]: 
a 5
b 6
c 7
d 8
e 9
Name: two, dtype: int32
data.ix[1] #選擇第2行
Out[20]: 
a 5
b 6
c 7
d 8
e 9
Name: two, dtype: int32
data['one':'two'] #當用已知的行索引時為前閉后閉區(qū)間,這點與切片稍有不同。
Out[22]: 
  a b c d e
one 0 1 2 3 4
two 5 6 7 8 9
data.ix[1:3] #選擇第2到4行,不包括第4行,即前閉后開區(qū)間。
Out[23]: 
  a b c d e
two  5 6 7 8 9
three 10 11 12 13 14
data.ix[-1:] #取DataFrame中最后一行,返回的是DataFrame類型,**注意**這種取法是有使用條件的,只有當行索引不是數(shù)字索引時才可以使用,否則可以選用`data[-1:]`--返回DataFrame類型或`data.irow(-1)`--返回Series類型
Out[11]: 
  a b c d e
three 10 11 12 13 14
data[-1:] #跟上面一樣,取DataFrame中最后一行,返回的是DataFrame類型
Out[12]: 
  a b c d e
three 10 11 12 13 14
data.ix[-1] #取DataFrame中最后一行,返回的是Series類型,這個一樣,行索引不能是數(shù)字時才可以使用
Out[13]: 
a 10
b 11
c 12
d 13
e 14
Name: three, dtype: int32
data.tail(1) #返回DataFrame中的最后一行
data.head(1) #返回DataFrame中的第一行

最近處理數(shù)據(jù)時發(fā)現(xiàn)當pd.read_csv()數(shù)據(jù)時有時候會有讀取到未命名的列,且該列也用不到,一般是索引列被換掉后導致的,有強迫癥的看著難受,這時候dataframe.drop([columns,])是沒法處理的,怎么辦呢,

最笨的方法是直接給列索引重命名:

data6
  Unnamed: 0 high symbol time
date    
2016-11-01 0 3317.4 IF1611 18:10:44.8
2016-11-01 1 3317.4 IF1611 06:01:04.5
2016-11-01 2 3317.4 IF1611 07:46:25.5
2016-11-01 3 3318.4 IF1611 09:30:04.0
2016-11-01 4 3321.8 IF1611 09:31:04.0
data6.columns = list('abcd')
data6
 a b c d
date    
2016-11-01 0 3317.4 IF1611 18:10:44.8
2016-11-01 1 3317.4 IF1611 06:01:04.5
2016-11-01 2 3317.4 IF1611 07:46:25.5
2016-11-01 3 3318.4 IF1611 09:30:04.0
2016-11-01 4 3321.8 IF1611 09:31:04.0

重新命名后就可以用dataframe.drop([columns])來刪除了,當然不用我這樣全部給列名替換掉了,可以只是改變未命名的那個列,然后刪除。不過這個用起來總是覺得有點low,有沒有更好的方法呢,有,可以不去刪除,直接:

data7 = data6.ix[:,1:]

這樣既不改變原有數(shù)據(jù),也達到了刪除神煩列,當然我這里時第0列刪除,可以根據(jù)實際選擇所在的列刪除之,至于這個原理,可以看下前面的對列的操作。

以上這篇python pandas庫中DataFrame對行和列的操作實例講解就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

  • Python 用Redis簡單實現(xiàn)分布式爬蟲的方法

    Python 用Redis簡單實現(xiàn)分布式爬蟲的方法

    本篇文章主要介紹了Python 用Redis簡單實現(xiàn)分布式爬蟲的方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-11-11
  • Python中的 No Module named ***問題及解決

    Python中的 No Module named ***問題及解決

    這篇文章主要介紹了Python中的 No Module named ***問題及解決方案,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-07-07
  • 詳解Python中的普通函數(shù)和高階函數(shù)

    詳解Python中的普通函數(shù)和高階函數(shù)

    這篇文章主要為大家介紹了Python中的普通函數(shù)和高階函數(shù),具有一定的參考價值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助
    2021-12-12
  • Python自動化測試框架之unittest使用詳解

    Python自動化測試框架之unittest使用詳解

    unittest是Python自動化測試框架之一,提供了一系列測試工具和接口,支持單元測試、功能測試、集成測試等多種測試類型。unittest使用面向對象的思想實現(xiàn)測試用例的編寫和管理,可以方便地擴展和定制測試框架,支持多種測試結果輸出格式
    2023-04-04
  • Python虛擬環(huán)境Virtualenv使用教程

    Python虛擬環(huán)境Virtualenv使用教程

    這篇文章主要介紹了Python虛擬環(huán)境Virtualenv簡明教程,本文整合了兩篇關于Virtualenv的使用教程,相信大家有通過本文一定可以學會如何使用Virtualenv,需要的朋友可以參考下
    2015-05-05
  • 使用Python實現(xiàn)計算DICOM圖像兩點真實距離

    使用Python實現(xiàn)計算DICOM圖像兩點真實距離

    這篇文章主要為大家詳細介紹了如何使用Python實現(xiàn)計算DICOM圖像兩點真實距離,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下
    2023-11-11
  • python返回數(shù)組索引的方法實現(xiàn)

    python返回數(shù)組索引的方法實現(xiàn)

    本文介紹了三種在Python中返回數(shù)組索引的方法,主要包括index()方法,enumerate()方法及使用numpy庫的argwhere()函數(shù),具有一定的參考價值,感興趣的可以了解一下
    2024-01-01
  • 深入淺析python with語句簡介

    深入淺析python with語句簡介

    with 語句適用于對資源進行訪問的場合,確保不管使用過程中是否發(fā)生異常都會執(zhí)行必要的“清理”操作,釋放資源,這篇文章給大家介紹了python with語句簡介,感興趣的朋友一起看看吧
    2018-04-04
  • Pyspark讀取parquet數(shù)據(jù)過程解析

    Pyspark讀取parquet數(shù)據(jù)過程解析

    這篇文章主要介紹了pyspark讀取parquet數(shù)據(jù)過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-03-03
  • Python tkinter之Bind(綁定事件)的使用示例

    Python tkinter之Bind(綁定事件)的使用示例

    這篇文章主要介紹了Python tkinter之Bind(綁定事件)的使用詳解,幫助大家更好的理解和學習python的gui開發(fā),感興趣的朋友可以了解下
    2021-02-02

最新評論