Python数据分析之：pandas 的索引方式 [], data[][]

文章目录

• 1. [index,column]
• 2. data[column][index]

1. [index,column]

使用.loc[ ]第一个参数是行索引，第二个参数是列索引

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)])
print(data)
dt = data.loc[0,1]  //[index,column]
print(dt)

相当于第0行第1列

当然，还可以有如下操作，全部使用标签来作为行索引和列索引：

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],['第一行','第二行','第三行'],['第一列','第二列','第三列','第四列'])
print(data)
dt = data.loc['第一行','第三列']
print(dt)

也可以有如下情况，使用数字作为行索引，标签作为列索引：

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],[0,1,2],['第一列','第二列','第三列','第四列'])
print(data)
dt = data.loc[0,'第三列']
print(dt)

2. data[column][index]

这里与上面不同，使用两个方括号的索引方式，列标签的优先级更高一些，是列在前行在后。

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)])
print(data,'\n')
print(data[2][0])

即使是在产生dataframe的时候把行列标签列的毫无歧义，也同样要满足列在前、行在后。

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],[0,1,2],['第一列','第二列','第三列','第四列'])
print(data,'\n')
print(data['第二列'][0])

切记！！！！任何情况下如果直接使用data[][]的索引方式，第一个代表的都是列标签，如果行标签放在前面一定会出错。