Pandas提取数据的三种方式

下面是Pandas提取数据的三种方式的完整攻略，共包含三种方法：

1. 按行、按列提取数据方法

按行提取数据

Pandas可以通过 loc 和 iloc 方法按行提取数据。

其中，loc 方法使用标签来定位数据，iloc 方法使用索引来定位数据。以下是示例代码：

import pandas as pd

# 使用pandas读取本地csv文件
df = pd.read_csv('test.csv')

# 通过loc方法按行切片并打印出来
print(df.loc[1:5,:])

其中， loc[1:5,:] 等价于 df[1:6,:]，效果相同。此代码会打印出行号为1到5的所有行。

按列提取数据

Pandas可以通过直接列名称来提取数据。

以下是示例代码：

import pandas as pd

# 使用pandas读取本地csv文件
df = pd.read_csv('test.csv')

# 按列提取数据
print(df['column_name'])

2. 逻辑索引方法

使用逻辑索引即使用bool值代替数据，例如:

df[df['column_name'] == condition]

其中，column_name是列名称，condition是具体条件，这个条件与列中的数据进行比较。如果为 True，则保留相应行的数据，如果为 False，则剔除相应行的数据。

以下是示例代码：

import pandas as pd

# 使用pandas读取本地csv文件
df = pd.read_csv('test.csv')

# 按条件提取数据
print(df[df['gender']=='female'])

以上代码将只输出 gender 列中为 female 的行数据。

3. 使用isin方法进行筛选

另一个有用的方法是 isin() 方法，它可以用来挑选想要选出的数据。示例如下：

import pandas as pd

df = pd.DataFrame({'A': ['foo', 'bar', 'baz', 'foo', 'bar', 'baz'],
                   'B': ['one', 'one', 'two', 'two', 'one', 'one'],
                   'C': [1, 2, 3, 4, 5, 6]})

# 选择'A'列中包含'bar'或'foo'的数据
print(df[df['A'].isin(['bar', 'foo'])])

以上代码将只输出 A 列中为 bar 或 foo 的行数据。

通过以上三种方式，就能方便简便地提取数据啦！