pandas 數(shù)據(jù)索引與選取的實(shí)現(xiàn)方法
我們對 DataFrame 進(jìn)行選擇，大抵從這三個層次考慮：行列、區(qū)域、單元格。
其對應(yīng)使用的方法如下：
一. 行，列 --> df[]
二. 區(qū)域 --> df.loc[], df.iloc[], df.ix[]
三. 單元格 --> df.at[], df.iat[]
下面開始練習(xí)：
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))
1. df[]:
一維
行維度：
整數(shù)切片、標(biāo)簽切片、<布爾數(shù)組>
列維度：
標(biāo)簽索引、標(biāo)簽列表、Callable
df[:3] df['a':'c'] df[[True,True,True,False,False,False]] # 前三行（布爾數(shù)組長度等于行數(shù)） df[df['A']>0] # A列值大于0的行 df[(df['A']>0) | (df['B']>0)] # A列值大于0，或者B列大于0的行 df[(df['A']>0) & (df['C']>0)] # A列值大于0，并且C列大于0的行
df['A'] df[['A','B']] df[lambda df: df.columns[0]] # Callable
2. df.loc[]
二維，先行后列
行維度：
標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、<布爾數(shù)組>、Callable
列維度：
標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、<布爾數(shù)組>、Callable
df.loc['a', :] df.loc['a':'d', :] df.loc[['a','b','c'], :] df.loc[[True,True,True,False,False,False], :] # 前三行（布爾數(shù)組長度等于行數(shù)） df.loc[df['A']>0, :] df.loc[df.loc[:,'A']>0, :] df.loc[df.iloc[:,0]>0, :] df.loc[lambda _df: _df.A > 0, :]
df.loc[:, 'A'] df.loc[:, 'A':'C'] df.loc[:, ['A','B','C']] df.loc[:, [True,True,True,False]] # 前三列（布爾數(shù)組長度等于行數(shù)） df.loc[:, df.loc['a']>0] # a行大于0的列 df.loc[:, df.iloc[0]>0] # 0行大于0的列 df.loc[:, lambda _df: ['A', 'B']]
df.A.loc[lambda s: s > 0]
3. df.iloc[]
二維，先行后列
行維度：
整數(shù)索引、整數(shù)切片、整數(shù)列表、<布爾數(shù)組>
列維度：
整數(shù)索引、整數(shù)切片、整數(shù)列表、<布爾數(shù)組>、Callable
df.iloc[3, :] df.iloc[:3, :] df.iloc[[0,2,4], :] df.iloc[[True,True,True,False,False,False], :] # 前三行（布爾數(shù)組長度等于行數(shù)） df.iloc[df['A']>0, :] #× 為什么不行呢？想不通！ df.iloc[df.loc[:,'A']>0, :] #× df.iloc[df.iloc[:,0]>0, :] #× df.iloc[lambda _df: [0, 1], :]
df.iloc[:, 1] df.iloc[:, 0:3] df.iloc[:, [0,1,2]] df.iloc[:, [True,True,True,False]] # 前三列（布爾數(shù)組長度等于行數(shù)） df.iloc[:, df.loc['a']>0] #× df.iloc[:, df.iloc[0]>0] #× df.iloc[:, lambda _df: [0, 1]]
4. df.ix[]
二維，先行后列
行維度：
整數(shù)索引、整數(shù)切片、整數(shù)列表、
標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、
<布爾數(shù)組>、
Callable
列維度：
整數(shù)索引、整數(shù)切片、整數(shù)列表、
標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、
<布爾數(shù)組>、
Callable
df.ix[0, :] df.ix[0:3, :] df.ix[[0,1,2], :] df.ix['a', :] df.ix['a':'d', :] df.ix[['a','b','c'], :]
df.ix[:, 0] df.ix[:, 0:3] df.ix[:, [0,1,2]] df.ix[:, 'A'] df.ix[:, 'A':'C'] df.ix[:, ['A','B','C']]
5. df.at[]
精確定位單元格
行維度：
標(biāo)簽索引
列維度：
標(biāo)簽索引
df.at['a', 'A']
6. df.iat[]
精確定位單元格
行維度：
整數(shù)索引
列維度：
整數(shù)索引
df.iat[0, 0]
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python基于xlrd模塊操作Excel的方法,結(jié)合實(shí)例形式分析了xlrd模塊的安裝及Python使用xlrd模塊模塊進(jìn)行Excel的讀寫相關(guān)操作技巧,需要的朋友可以參考下2018-06-06
python GUI庫圖形界面開發(fā)之PyQt5時間控件QTimer詳細(xì)使用方法與實(shí)例
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5時間控件QTimer詳細(xì)使用方法與實(shí)例,需要的朋友可以參考下2020-02-02
Flask提供了多種配置方式,可以根據(jù)不同的需求和場景進(jìn)行選擇,包括配置類方式、配置文件方式、環(huán)境變量方式和實(shí)例文件方式,具有一定的參考價值,感興趣的可以了解一下2023-11-11
python_tkinter彈出對話框創(chuàng)建2
這篇文章主要介紹了python_tkinter彈出對話框創(chuàng)建，上以篇文章我們簡單的對對話框創(chuàng)建做了簡單介紹，本文將繼續(xù)更多相關(guān)內(nèi)容，需要的小伙伴可以參考一下2022-03-03
Python實(shí)現(xiàn)提取JSON數(shù)據(jù)中的鍵值對并保存為.csv文件
這篇文章主要為大家詳細(xì)介紹了如何基于Python實(shí)現(xiàn)讀取JSON文件數(shù)據(jù),并將JSON文件中指定的鍵值對數(shù)據(jù)轉(zhuǎn)換為.csv格式文件,感興趣的小伙伴可以了解下2023-09-09
prompt_toolkit 是一個用于構(gòu)建強(qiáng)大交互式命令行的 Python 工具庫。接下來通過本文給大家介紹Python?命令行?prompt_toolkit?庫的相關(guān)知識，感興趣的朋友一起看看吧2022-01-01
python向MySQL數(shù)據(jù)庫插入數(shù)據(jù)的操作方法
這篇文章主要介紹了python向MySQL數(shù)據(jù)庫插入數(shù)據(jù),本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-11-11
在Python中,裝飾器（Decorators）和魔法方法（Magic Methods）是兩種不同的高級特性,分別服務(wù)于不同的目的,這篇文章主要介紹了Python中裝飾器和魔法方法的區(qū)別,需要的朋友可以參考下2024-03-03
python數(shù)據(jù)預(yù)處理 :數(shù)據(jù)共線性處理詳解
今天小編就為大家分享一篇python數(shù)據(jù)預(yù)處理 :數(shù)據(jù)共線性處理詳解，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2020-02-02
VScode中不同目錄間python庫函數(shù)的調(diào)用
本文主要介紹了VScode中不同目錄間python庫函數(shù)的調(diào)用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03