python pandas庫(kù)中DataFrame對(duì)行和列的操作實(shí)例講解
用pandas中的DataFrame時(shí)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(diǎn)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(jì),返回的是單行,通過(guò)有前后值的索引形式, #如果采用data[1]則報(bào)錯(cuò) 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(jìn)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(rèn)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(rèn)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(gè) ser.iget_value(-1) #選取ser序列中的最后一個(gè),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(gè),這會(huì)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(chǎn)'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(jiǎn)單的例子使用驗(yàn)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(duì)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(shí) 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(diǎn)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(fù)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(duì)行的操作有如下幾種: data[1:2] #(不知道列索引時(shí))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(dāng)用已知的行索引時(shí)為前閉后閉區(qū)間,這點(diǎn)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(dāng)行索引不是數(shù)字索引時(shí)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(gè)一樣,行索引不能是數(shù)字時(shí)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(shí)發(fā)現(xiàn)當(dāng)pd.read_csv()數(shù)據(jù)時(shí)有時(shí)候會(huì)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(dǎo)致的,有強(qiáng)迫癥的看著難受,這時(shí)候dataframe.drop([columns,])是沒(méi)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(lái)刪除了,當(dāng)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(gè)列,然后刪除。不過(guò)這個(gè)用起來(lái)總是覺(jué)得有點(diǎn)low,有沒(méi)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?cè)袛?shù)據(jù),也達(dá)到了刪除神煩列,當(dāng)然我這里時(shí)第0列刪除,可以根據(jù)實(shí)際選擇所在的列刪除之,至于這個(gè)原理,可以看下前面的對(duì)列的操作。
以上這篇python pandas庫(kù)中DataFrame對(duì)行和列的操作實(shí)例講解就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python 用Redis簡(jiǎn)單實(shí)現(xiàn)分布式爬蟲的方法
本篇文章主要介紹了Python 用Redis簡(jiǎn)單實(shí)現(xiàn)分布式爬蟲的方法,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-11-11Python中的 No Module named ***問(wèn)題及解決
這篇文章主要介紹了Python中的 No Module named ***問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-07-07Python自動(dòng)化測(cè)試框架之unittest使用詳解
unittest是Python自動(dòng)化測(cè)試框架之一,提供了一系列測(cè)試工具和接口,支持單元測(cè)試、功能測(cè)試、集成測(cè)試等多種測(cè)試類型。unittest使用面向?qū)ο蟮乃枷雽?shí)現(xiàn)測(cè)試用例的編寫和管理,可以方便地?cái)U(kuò)展和定制測(cè)試框架,支持多種測(cè)試結(jié)果輸出格式2023-04-04Python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(jiǎn)明教程,本文整合了兩篇關(guān)于Virtualenv的使用教程,相信大家有通過(guò)本文一定可以學(xué)會(huì)如何使用Virtualenv,需要的朋友可以參考下2015-05-05使用Python實(shí)現(xiàn)計(jì)算DICOM圖像兩點(diǎn)真實(shí)距離
這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)計(jì)算DICOM圖像兩點(diǎn)真實(shí)距離,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-11-11python返回?cái)?shù)組索引的方法實(shí)現(xiàn)
本文介紹了三種在Python中返回?cái)?shù)組索引的方法,主要包括index()方法,enumerate()方法及使用numpy庫(kù)的argwhere()函數(shù),具有一定的參考價(jià)值,感興趣的可以了解一下2024-01-01Pyspark讀取parquet數(shù)據(jù)過(guò)程解析
這篇文章主要介紹了pyspark讀取parquet數(shù)據(jù)過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-03-03Python 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(xué)習(xí)python的gui開發(fā),感興趣的朋友可以了解下2021-02-02