Python讀取DataFrame的某行或某列的方法實現(xiàn)
行索引、列索引、loc和iloc
import pandas as pd import numpy as np # 準(zhǔn)備數(shù)據(jù) df = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("WXYZ"))
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
.loc[]官方釋義: Access a group of rows and columns by label(s) or a boolean array.(通過標(biāo)簽或布爾數(shù)組訪問一組行和列) 官方鏈接
- loc使用索引來取值,基礎(chǔ)用法 df.loc[[行索引],[列索引]]
.iloc[]官方釋義: Purely integer-location based indexing for selection by position.(按位置進(jìn)行索引選擇) 官方鏈接
- iloc使用位置(從0開始)來取值,基礎(chǔ)用法 df.iloc[[行位置],[列位置]]
一、根據(jù)列索引取某一列/多列(常用)
df['W'] # 取‘W'列,返回類型是Series df[['W']] # 取‘W'列,返回類型是DataFrame df[['W','Y']] # 取‘W'列和‘Y'列 df.loc[:,'W':'Y'] # 取‘W'列到‘Y'列
二、根據(jù)行索引取某一行/多行
df.loc['a'] # 取‘a(chǎn)'行,返回類型是Series df.loc[['a']] # 取‘a(chǎn)'行,返回類型是DataFrame df.loc[['a','c']] # 取‘a(chǎn)'行和‘c'行,也可以寫成 df.loc[['a','c'],:] df.loc['a':'c',:] # 取‘a(chǎn)'行到‘c'行
三、根據(jù)列位置取某一列/多列
df.iloc[:,1] # 取第2列(‘X'列),列號為1,返回類型是Series df.iloc[:,0:2] # 取前2列(‘W'列和‘X'列),列號為0和1 df.iloc[:,0:-1] # 取最后一列之前的所有列
四、根據(jù)行位置取某一行/多行(常用)
df[:2] #取前2行,行號為0和1 df[1:2] #取第2行,行號為1 df.iloc[1] # 取第2行(‘b'行),行號為1,返回類型是Series,也可以寫成df.iloc[1,:]
五、取某一行某一列(常用)
df.loc[['b'],['W']] # 取‘b'行‘W'列,返回類型是DataFrame,帶著行、列索引的 df.loc['b','W'] # 取‘b'行‘W'列的值,返回類型是int,不帶行列索引 df.loc['b']['W'] # 取‘b'行‘W'列的值(從Series類型df.loc['b']中通過索引取值) df.iloc[[0],[0]] # 取第1行、第1列,返回類型是DataFrame,帶著行、列索引的 df.iloc[0,0] # 取第1行、第1列的值 df.iloc[0][0] # 取第1行、第1列的值(從Series類型df.iloc[0]中通過序號取值) df.iloc[0]['W'] # 取第1行、‘W'列的值(從Series類型df.iloc[0]中通過索引取值)
六、取多行多列
df[:2][['W','Y']] # 取前2行的‘W'列和'Y‘列 df[:2].loc[:2,'W':'Y'] # 取前2行的‘W'列到'Y‘列 df.iloc[0][['W','Y']] # 取第1行的‘W'列和'Y‘列 df.iloc[0]['W':'Y'] # 取第1行的‘W'列到'Y‘列 df.loc[["a","c"],["W","Y"]] # 取‘a(chǎn)'行和‘c'行,‘W'列和‘Y'列 df.iloc[[0,2],[1,3]] # 取1、3行,2、4列
總結(jié): 一般通過行位置來取行,通過列索引來取列,且行索引大多數(shù)情況下和行位置是相同的。
最常用的是以下幾個
# 取某一列 df['W'] # 取某一行 df.iloc[0] # 取多列 df.loc[:,'W':'Y'] # 取‘W'列到‘Y'列 df.iloc[:,0:-1] # 取最后一列之前的所有列 # 取對應(yīng)行列的值 df.iloc[0]['W'] df.loc['a','W'] # 在行索引和行位置相同的情況下的寫法就是,df.loc[0,'W']
到此這篇關(guān)于Python讀取DataFrame的某行或某列的方法實現(xiàn)的文章就介紹到這了,更多相關(guān)Python讀取DataFrame行列內(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!
相關(guān)文章
Python+matplotlib實現(xiàn)餅圖的繪制
Matplotlib是一個Python的2D繪圖庫,它以各種硬拷貝格式和跨平臺的交互式環(huán)境生成出版質(zhì)量級別的圖形。本文將利用Matplotlib庫繪制餅圖,感興趣的可以了解一下2022-03-03簡單了解Django ORM常用字段類型及參數(shù)配置
這篇文章主要介紹了簡單了解Django ORM常用字段類型及參數(shù)配置,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,需要的朋友可以參考下2020-01-01Python利用 SVM 算法實現(xiàn)識別手寫數(shù)字
支持向量機(jī) (Support Vector Machine, SVM) 是一種監(jiān)督學(xué)習(xí)技術(shù),它通過根據(jù)指定的類對訓(xùn)練數(shù)據(jù)進(jìn)行最佳分離,從而在高維空間中構(gòu)建一個或一組超平面。本文將介紹通過SVM算法實現(xiàn)手寫數(shù)字的識別,需要的可以了解一下2021-12-12