数据初始化
|
1
2
3
4
|
import pandas as pd
import numpy as np
a=np.array([['北京','北方','一线','非沿海'],['杭州','南方','二线','非沿海'],['深圳','南方','一线','沿海'],['烟台','北方','三线','沿海']])
df=pd.DataFrame(a,index=['一','二','三','四'],columns=['城市','地理','级别','是否沿海'])
|
城市 地理 级别 是否沿海
一 北京 北方 一线 非沿海
二 杭州 南方 二线 非沿海
三 深圳 南方 一线 沿海
四 烟台 北方 三线 沿海
选择某一行
通过loc选择某一行
loc标签是轴标签，也就是我们的索引名，使用也非常简单
|
1
|
df.loc['二']
|
城市 杭州
地理 南方
级别 二线
是否沿海 非沿海
Name: 二, dtype: object
通过iloc选择某一行
iloc为整数标签，类似我们使用的元组列表的索引。比如我们想选择第二行的数据，第二行的索引则为1.
|
1
|
df.iloc[1]
|
城市 杭州
地理 南方
级别 二线
是否沿海 非沿海
Name: 二, dtype: object
选择某一列
最简单的方法选择某一列
如果我们知道列索引，那么选择某一列则变得十分简单
|
1
|
df['级别']
|
一 一线
二 二线
三 一线
四 三线
Name: 级别, dtype: object
通过iloc选则某一列
正如我们上述使用iloc的方法，我们只需传入行或者列的索引即可。其实iloc的中括号里可以输入两个参数。前面为行，后面为列中间用逗号隔开。(如果省略了逗号，则默认取选择行)
比如现在我们想选择第二列，我们只需在逗号钱输入: 代表所有的行，后面则输入1代表第二列
|
1
|
df.iloc[:, 1]
|
一 北方
二 南方
三 南方
四 北方
Name: 地理, dtype: object
通过loc选择某一列
和iloc的使用相似，只不过在数据筛选中我们不再使用行整数索引，而是具体的索引值。
|
1
|
df.loc[:, '是否沿海']
|
一 非沿海
二 非沿海
三 沿海
四 沿海
Name: 是否沿海, dtype: object
选择某一行的某几列或某一列的某一行
其实loc与iloc是dataframe中选择数据最高效的方式，他的功能也十分强大。我们可以随意组合。
选择某一行的某几列
比如我们现在选择第二行的中间两列
|
1
|
df.iloc[1,1:3]
|
地理 南方
级别 二线
Name: 二, dtype: object
当然我们也可以不使用整数索引
|
1
|
df.loc['二':,'地理':'级别']
|
地理 级别
二 南方 二线
三 南方 一线
四 北方 三线
通过行列*组合去选择数据
比如我们想选择第二到三行的第二列和第三列
|
1
|
df.iloc[2:4:, 2:4]
|
级别 是否沿海
三 一线 沿海
四 三线 沿海
同样十分简单，通过loc使用效果相同，这里不过多描述
选择某几列或者某几行
选择某几列
|
1
|
df.iloc[:,2:4]
|
级别 是否沿海
一 一线 非沿海
二 二线 非沿海
三 一线 沿海
四 三线 沿海
选择某几行
城市 地理 级别 是否沿海
二 杭州 南方 二线 非沿海
三 深圳 南方 一线 沿海
获取单个标量值
如果把dataframe看做一个表格，这里可以看成获得表格里某个单元格的值
通过iat去获取
iat即为整数标签
|
1
|
df.iat[2,2]
|
'一线'
通过at去获取
at即为具体的索引值去获取
|
1
|
df.at['三','级别']
|
'一线'
到此这篇关于十分钟轻松掌握dataframe数据选择的文章就介绍到这了,更多相关dataframe数据选择内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/weixin_44706915/article/details/115368105