首页 » Python » pandas基础知识学习4-DataFrame的切片和索引loc,iloc,at,iat

pandas基础知识学习4-DataFrame的切片和索引loc,iloc,at,iat

 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
import pandas as pd
import numpy as np
# Dataframe 的切片和索引

# Detaframe
# 一个最简单的DataFrame
df1 = pd.DataFrame({'a':[1,2,3],'b':[4.,5,6]},index=['第一行','第二行','第三行'])
print(df1)  # 注意这里b列全部都变成float类型了。说明同一列需要格式类型统一

# 未说明行和列
df2 = pd.DataFrame(np.arange(1,13).reshape((3,4)))
print(df2)  # 这里自动把0,1,2的下标作为行名称和列名称了

# 说明行和列名
df2 = pd.DataFrame(np.arange(1,13).reshape((3,4)),index=['1','2','3'],columns=['第一列','第二列','第三列','第四列'])
print(df2)  # 这里自动把0,1,2的下标作为行名称和列名称了

# 列索引的方式,第一种最常用,结果是一样的
print(df2['第二列'])
print(df2.第二列)

# 索引多个列
print(df2[['第二列','第三列']])


# 索引某个满足逻辑的行
print(df2[df2['第二列'] >= 10])

# 索引某些列后,然后取满足条件的行
print(df2[['第一列','第三列']][df2['第二列'] >= 10])

# 更规范的单个值索引at 与 iat ,不要用其他的索引方式,这里只支持单个值
# 单个值以行列名称索引,选择名称为3的行和名称为第二列的列的数据
print(df2.at['3','第二列'])

# 找到第三行第三列的数据
print(df2.iat[2,2])


# 重点:多个值切片 只用loc和iloc
# loc 可以混合使用单个索引,列表形式多个索引,逻辑索引 而且使用名称的方式代码可读性更高,应优先考虑使用loc
# iloc 只能混合使用单个索引,列表形式多个索引。无法使用逻辑索引。且可读性较差

# 多个值以行列名称索引
print(df2.loc[['2','3'],['第二列','第三列']])

# 展示第二列和第三列的所有行
print(df2.loc[:,['第二列','第三列']])

# 筛选第二列大于等于6,的第二列和第三列
print(df2.loc[df2['第二列']>=6,['第二列','第三列']])

# 筛选第二列大于等于6,的全部列
print(df2.loc[df2['第二列']>=6,:])

原文链接:pandas基础知识学习4-DataFrame的切片和索引loc,iloc,at,iat,转载请注明来源!

0