pandas 选取行和列数据的方法详解

Pandas选取行和列数据的方法详解

在Pandas中，要想选取特定的行和列数据，有许多种方法。在本篇攻略中，我们将一一介绍这些方法。

选取列数据

直接选取列名

要选取单独的一列数据，可以通过指定列名来实现。例如，我们有一个包含姓名、年龄和性别的数据集，想要选取年龄这一列数据，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
age = df['age']
print(age)

选取多列数据

如果想要选取多列数据，可以将列名作为一个列表来指定。例如，我们想要选取姓名和年龄这两列数据，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
subset = df[['name', 'age']]
print(subset)

通过位置选取列

在Pandas中，我们也可以通过列的位置来选取特定的列数据。例如，要选取第二列数据，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
col = df.iloc[:, 1]
print(col)

选取行数据

直接选取单行

要选取单独的一行数据，可以通过指定该行的索引值来实现。例如，我们想要选取第一行数据，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
row = df.loc[0]
print(row)

选取多行数据

可以通过指定多行索引值来选取多行数据。例如，我们想要选取第一行和第二行数据，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
subset = df.loc[[0, 1]]
print(subset)

通过条件选取行

在Pandas中，我们可以根据条件对数据集进行筛选。例如，我们想要选取所有年龄大于30的样本，可以使用如下代码：

import pandas as pd

df = pd.read_csv('data.csv')
subset = df[df['age']>30]
print(subset)

以上就是Pandas选取行和列数据的方法详解。在实际的数据分析工作中，往往需要对数据集进行不同程度的筛选和选取，因此对这些方法的掌握将有助于提高工作效率。