pandas数据选取:df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[]

Pandas是一种Python常用的数据处理工具,它具有很强的数据选取和处理能力,本文将详细讲解Pandas数据选取的完整攻略。

一、pandas数据选取方法

Pandas提供了丰富的数据选取方法,常用的包括:

  • df[]:基于列名或索引选取列或行;
  • df.loc[]:基于行和列名称选取数据;
  • df.iloc[]:通过整数位置选取数据;
  • df.ix[]:基于行和列名称或整数位置选取数据,已弃用;
  • df.at[]:通过标签选取单个值;
  • df.iat[]:通过整数位置选取单个值。

下面详细讲解这些方法的使用。

1.1 df[]

df[]可以基于列名或索引选取列或行。例如:

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Mike', 'John'],
    'age': [18, 19, 20, 21],
    'gender': ['M', 'M', 'M', 'F']
}
df = pd.DataFrame(data)
# 选取列name
print(df['name'])
# 选取前2行
print(df[:2])

输出结果:

0      Tom
1    Jerry
2     Mike
3     John
Name: name, dtype: object
    name  age gender
0    Tom   18      M
1  Jerry   19      M

1.2 df.loc[]

df.loc[]基于行和列名称选取数据。例如:

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Mike', 'John'],
    'age': [18, 19, 20, 21],
    'gender': ['M', 'M', 'M', 'F']
}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])
# 选取行b和c,列name和age
print(df.loc[['b', 'c'], ['name', 'age']])
# 选取行b和c的所有列
print(df.loc[['b', 'c'], :])

输出结果:

    name  age
b  Jerry   19
c   Mike   20
    name  age gender
b  Jerry   19      M
c   Mike   20      M

1.3 df.iloc[]

df.iloc[]通过整数位置选取数据。例如:

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Mike', 'John'],
    'age': [18, 19, 20, 21],
    'gender': ['M', 'M', 'M', 'F']
}
df = pd.DataFrame(data)
# 选取第2行,第1、3列
print(df.iloc[1, [0, 2]])
# 选取第2-3行
print(df.iloc[1:3, :])

输出结果:

name       Jerry
gender         M
Name: 1, dtype: object
    name  age gender
1  Jerry   19      M
2   Mike   20      M

1.4 df.ix[]

df.ix[]基于行和列名称或整数位置选取数据,已弃用,推荐使用df.loc[]和df.iloc[]替代。

1.5 df.at[]

df.at[]通过标签选取单个值。例如:

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Mike', 'John'],
    'age': [18, 19, 20, 21],
    'gender': ['M', 'M', 'M', 'F']
}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])
# 选取行a,列name的值
print(df.at['a', 'name'])

输出结果:

Tom

1.6 df.iat[]

df.iat[]通过整数位置选取单个值。例如:

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Mike', 'John'],
    'age': [18, 19, 20, 21],
    'gender': ['M', 'M', 'M', 'F']
}
df = pd.DataFrame(data)
# 选取第2行,第1列的值
print(df.iat[1, 0])

输出结果:

Jerry

二、总结

本文详细讲解了Pandas数据选取的完整攻略,包括常用的选取方法:df[]df.loc[]df.iloc[]df.at[]df.iat[]。在实际使用中,根据不同的需要选取相应的数据即可,使处理数据更加高效便捷。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:pandas数据选取:df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[] - Python技术站

(0)
上一篇 2023年5月14日
下一篇 2023年5月14日

相关文章

  • 如何检查Pandas数据框架的数据类型

    检查Pandas数据框架的数据类型是数据分析中非常重要的一部分,Pandas数据框架的数据类型影响着后续数据操作、转换和可视化等工作。以下是检查Pandas数据框架的数据类型的完整攻略。 1. 查看数据框架 首先,需要通过head()方法查看Pandas数据框架的前几行数据,确定数据的结构和数据类型。例如,我们可以使用以下代码查看鸢尾花数据集的前五行数据: …

    python-answer 2023年3月27日
    00
  • 如何找到Pandas数据框架的横截面

    要找到Pandas数据框架的横截面,我们需要用到Pandas库中的DataFrame.loc方法和选择器。下面是具体的步骤和示例: 步骤1:导入Pandas库和数据框架 首先,我们要导入Pandas库,并用其读取一个示例数据集,例如Titanic数据集: import pandas as pd titanic_df = pd.read_csv(‘titani…

    python-answer 2023年3月27日
    00
  • 浅谈python数据类型及类型转换

    这里是详细讲解“浅谈python数据类型及类型转换”的完整攻略。 一、Python数据类型 Python中常见的数据类型有以下几种: 1. 整型(int) Python中可以表示整数,例如:1, 2, 3, 4等等。整型是可以进行数值运算的。 2. 浮点型(float) 浮点型可以表示小数,例如:1.2, 3.5, 6.7等等。浮点型也是可以进行数值运算的。…

    python 2023年5月14日
    00
  • Python进行数据科学工作的简单入门教程

    Python进行数据科学工作的简单入门教程 简介 Python是一种非常流行的编程语言,因为它具有直观的语法和丰富的库。Python成为数据科学领域中的一种热门语言,因为有许多数据处理和分析工具可以帮助数据科学家进行数据探索,数据可视化和数据建模等任务。在本教程中,我们将介绍如何使用Python进行数据科学工作。 内容 安装Python和必备数据科学库 数据…

    python 2023年6月13日
    00
  • python批量设置多个Excel文件页眉页脚的脚本

    下面是关于“python批量设置多个Excel文件页眉页脚的脚本”的完整攻略。 1. 环境准备 首先,需要安装并配置Python的相关环境,建议使用Python3版本。同时,你可能需要使用额外的三方库——openpyxl和os。 可以使用pip命令来安装以上两个库: pip install openpyxl pip install os 2. 程序实现 下面…

    python 2023年6月13日
    00
  • Pandas如何对Categorical类型字段数据统计实战案例

    Pandas是Python中一个功能强大的数据分析库,其中对于Categorical类型字段的数据统计也提供了非常便利的支持。下面我们将详细讲解如何使用Pandas进行Categorical类型字段的数据统计,包括以下内容: Categorical类型字段的基本介绍 Categorical类型字段的创建和转换 Categorical类型字段的数据统计 案例分…

    python 2023年5月14日
    00
  • 详解pandas映射与数据转换

    详解pandas映射与数据转换攻略 Pandas是Python中非常流行的数据处理和分析库。Pandas中提供了很多方便易用的数据转换和映射功能,帮助我们快速对数据进行处理。本文将详细讲解Pandas中映射和转换的相关功能,以及示例说明。 Part 1 映射 1.1 映射原理 映射(Mapping)是一种比较常用的数据转换技术。在Pandas中,映射是对某一…

    python 2023年5月14日
    00
  • Python Pandas如何获取和修改任意位置的值(at,iat,loc,iloc)

    Python Pandas可以使用四种方式获取和修改任意位置的值,包括at、iat、loc和iloc。这四种方法都是用于定位数据表中某个位置的行和列,它们的使用情况取决于所需操作的位置,数据类型和性能要求。 at: at方法用于检索DataFrame中指定行列位置的值,行和列都根据行数和列数指定。它可以直接使用列名来查找列,使用行索引来查找行,例如: imp…

    python 2023年5月14日
    00
合作推广
合作推广
分享本页
返回顶部