myList = [['a', 10, 1.1],
	  ['b', 20, 2.2],
	  ['c', 30, 3.3],
	  ['d', 40, 4.4]]
df1 = pd.DataFrame(data = myList)
print(df1)
--------------------------------
[out]:
   0   1    2
0  a  10  1.1
1  b  20  2.2
2  c  30  3.3
3  d  40  4.4

DataFrame中有兩種索引：

行索引(index)：對應(yīng)最左邊那一豎列
列索引(columns)：對應(yīng)最上面那一橫行

兩種索引默認(rèn)均為從0開始的自增整數(shù)。

# 輸出行索引
print(df1.index)
[out]:
RangeIndex(start=0, stop=4, step=1)
---------------------------------------
# 輸出列索引
print(df1.columns)
[out]:
RangeIndex(start=0, stop=3, step=1)
---------------------------------------
# 輸出所有的值
print(df1.values)
[out]:
array([['a', 10, 1.1],
       ['b', 20, 2.2],
       ['c', 30, 3.3],
       ['d', 40, 4.4]], dtype=object)

1.2 自定義索引

可以使用 index 這個(gè)參數(shù)指定行索引，columns 這個(gè)參數(shù)指定列索引。

df2 = pd.DataFrame(myList, 
		           index = ['one', 'two', 'three', 'four'], 
		           columns = ['char', 'int', 'float'])
print(df2)
-----------------------------------------------------------
[out]:
      char  int  float
one      a   10    1.1
two      b   20    2.2
three    c   30    3.3
four     d   40    4.4

輸出此時(shí)的行索引和列索引：

# 輸出行索引
print(df2.index)
[out]:
Index(['one', 'two', 'three', 'four'], dtype='object')
--------------------------------------------------------
# 輸出列索引
print(df2.columns)
[out]:
Index(['char', 'int', 'float'], dtype='object')

2. 索引的簡單使用

2.1 列索引

選擇一列：

print(df2['char'])
print(df2.char)
# 兩種方式輸出一樣
[out]:
one      a
two      b
three    c
four     d
Name: char, dtype: object

注意此時(shí)方括號(hào)里面只傳入一個(gè)字符串’char’，這樣選出來的一列，結(jié)果的類型為Series

print(df2['char'])
print(df2.char)
# 兩種方式輸出一樣
[out]:
one      a
two      b
three    c
four     d
Name: char, dtype: object

選擇多列：

print(df2[['char', 'int']])
[out]: 
      char   int
one      a   10
two      b   20
three    c   30
four     d   40

注意此時(shí)方括號(hào)里面?zhèn)魅胍粋€(gè)列表 [‘char’, ‘int’]，選出的結(jié)果類型為 DataFrame。
如果只想選出來一列，卻想返回 DataFrame 類型怎么辦？

print(df2[['char']])
[out]:
      char
one      a
two      b
three    c
four     d
---------------------------------------
type(df2[['char']])
[out]：pandas.core.frame.DataFrame

注意直接使用df2[0]取某一列會(huì)報(bào)錯(cuò)，除非columns是由下標(biāo)索引組成的，比如df1那個(gè)樣子，df1[0]就不會(huì)報(bào)錯(cuò)。

print(df1[0])
[out]:
0    a
1    b
2    c
3    d
Name: 0, dtype: object
-----------------------
print(df2[0])
[out]: 
KeyError: 0

2.2 行索引

2.2.1 使用[ ]

區(qū)別于選取列，此種方式[ ]中不再單獨(dú)的傳入一個(gè)字符串，而是需要使用冒號(hào)切片。

選取行標(biāo)簽從 ’two’ 到 ’three’ 的多行數(shù)據(jù)

print(df2['two': 'three'])
[out]:
      char  int  float
two      b   20    2.2
three    c   30    3.3

選取行標(biāo)簽為’two’這一行數(shù)據(jù)

# 此時(shí)返回的類型為DataFrame
print(df2['two': 'two'])
[out]:
      char  int  float
two      b   20    2.2

在[ ]中不僅可以傳入行標(biāo)簽，還可以傳入行的編號(hào)。

選取從第1行到第3行的數(shù)據(jù)(編號(hào)從0開始)

print(df2[1:4])
[out]:
      char  int  float
two      b   20    2.2
three    c   30    3.3
four     d   40    4.4

可以看到選取的數(shù)據(jù)是不包含方括號(hào)最右側(cè)的編號(hào)所對應(yīng)的數(shù)據(jù)的。

選取第1行的數(shù)據(jù)

print(df2[1:2])
[out]:
    char  int  float
two    b   20    2.2

2.2.2 使用.loc()和.iloc()

區(qū)別就是.loc()是根據(jù)行索引和列索引的值來選取數(shù)據(jù)，而.iloc()是根據(jù)從0開始的下標(biāo)位置來進(jìn)行索引的。

選取行：

使用.loc()

print(df2.loc['one'])
[out]:
char       a
int       10
float    1.1
Name: one, dtype: object
-------------------------------------------
print(df2.loc[['one', 'three']])
[out]:
      char  int  float
one      a   10    1.1
three    c   30    3.3

使用.iloc()

print(df2.iloc[0])
[out]:
char       a
int       10
float    1.1
Name: one, dtype: object
-------------------------------------------
print(df2.iloc[[0, 2]])
[out]:
      char  int  float
one      a   10    1.1
three    c   30    3.3

到此這篇關(guān)于python Pandas之DataFrame索引及選取數(shù)據(jù)的文章就介紹到這了,更多相關(guān)python DataFrame索引內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: