日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后，達(dá)者為師

網(wǎng)站首頁 編程語言 正文

pandas行和列的獲取的實現(xiàn)_python

作者：羊羊豬 ? 更新時間： 2023-03-13 編程語言

DataFrame的行和列：df[‘行’, ‘列’]

DataFrame行和列的獲取分三個維度

  • 行和列選取：df[]，一次只能選取行或列
  • 區(qū)域選取：df.loc[], df.iloc[], df.ix[]，可以同時為行或列設(shè)置篩選條件
  • 單元格選取：df.at[], df.iat[]，準(zhǔn)確選取某個單元格

先隨機生成一個dataframe

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(10,5), index=list('abcdefghij'), columns=list('ABCDE'))
# Output
?? ? ? A?? ? ? ? ? ?B?? ? ? ? ? C?? ? ? ? ? ?D?? ? ? ? ? ?E
a?? ?0.299206?? ?-0.383297?? ?-0.931467?? ?-0.591609?? ?-1.131105
b?? ?0.074351?? ?0.791849?? ?1.637467?? ?-1.408712?? ?-1.376527
c?? ?-0.359802?? ?-2.049489?? ?-0.615742?? ?-1.953994?? ?0.685243
d?? ?0.232557?? ?1.768284?? ?-0.447015?? ?2.373358?? ?1.220536
e?? ?-0.997380?? ?-0.447236?? ?0.632368?? ?-0.352590?? ?-0.064736
f?? ?-1.220178?? ?-0.314304?? ?1.202184?? ?0.018326?? ?1.072153
g?? ?-1.508916?? ?0.380466?? ?0.359506?? ?-0.742657?? ?-0.373764
h?? ?1.031420?? ?-3.236676?? ?0.444769?? ?1.396802?? ?-0.405590
i?? ?0.166133?? ?-0.051614?? ?-0.146943?? ?0.609431?? ?-0.351814
j?? ?1.857521?? ?-0.159101?? ?0.899745?? ?1.108722?? ?-0.615379

1. 行和列的獲取

1.1 根據(jù)索引獲取行

獲取前3行數(shù)據(jù)

df[:3]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
c    -0.359802    -2.049489    -0.615742    -1.953994    0.685243

獲取第2到3行數(shù)據(jù)

df[1:3] # 前閉后開
df['b':'c'] # # 前閉后閉
# Output
       A            B           C            D            E
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
c    -0.359802    -2.049489    -0.615742    -1.953994    0.685243

獲取特定行數(shù)據(jù)

# 布爾數(shù)組 (數(shù)組長度需等于行數(shù))
df[[True,False,True,False,False,False, True, True, False, True]]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
c    -0.359802    -2.049489    -0.615742    -1.953994    0.685243
g    -1.508916    0.380466    0.359506    -0.742657    -0.373764
h    1.031420    -3.236676    0.444769    1.396802    -0.405590
j    1.857521    -0.159101    0.899745    1.108722    -0.615379

1.2 根據(jù)條件獲取行

獲取A列大于0的行

df[df.A > 0]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
d    0.232557    1.768284    -0.447015    2.373358    1.220536
h    1.031420    -3.236676    0.444769    1.396802    -0.405590
i    0.166133    -0.051614    -0.146943    0.609431    -0.351814
j    1.857521    -0.159101    0.899745    1.108722    -0.615379

獲取A列和B列大于0的行

df[(df.A > 0) & (df.B > 0)]
# Output
       A            B           C            D            E
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
d    0.232557    1.768284    -0.447015    2.373358    1.220536

獲取A列或列大于0的行

df[(df.A > 0) | (df.B > 0)]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
d    0.232557    1.768284    -0.447015    2.373358    1.220536
g    -1.508916    0.380466    0.359506    -0.742657    -0.373764
h    1.031420    -3.236676    0.444769    1.396802    -0.405590
i    0.166133    -0.051614    -0.146943    0.609431    -0.351814
j    1.857521    -0.159101    0.899745    1.108722    -0.615379

1.3 獲取列

# 獲取A列
df['A'] # 輸出為Series類型
df[['A']] # 輸出為DataFrame類型

# 獲取A列和B列
df[['A', 'B']]
df[df.columns[0:2]]

2. 區(qū)域選取

  • df.loc[] 只能使用標(biāo)簽索引，不能使用整數(shù)索引，通過便簽索引切邊進(jìn)行篩選時，前閉后閉。
  • df.iloc[] 只能使用整數(shù)索引，不能使用標(biāo)簽索引，通過整數(shù)索引切邊進(jìn)行篩選時，前閉后開。
  • df.ix[]既可以使用標(biāo)簽索引，也可以使用整數(shù)索引。

2.1 df.loc[]

pandas.DataFrame.loc 官方文檔

2.1.1 行選取

獲取a行

# 輸出為Series類型
df.loc['a']
df.loc['a', :]
# Output
A ? ?0.299206
B ? -0.383297
C ? -0.931467
D ? -0.591609
E ? -1.131105
Name: a, dtype: float64

# 輸出為DataFrame類型
df.loc[['a']]
df.loc[['a'], :]
# Output
?? ? ? A?? ? ? ? ? ?B?? ? ? ? ? C?? ? ? ? ? ?D?? ? ? ? ? ?E
a?? ?0.299206?? ?-0.383297?? ?-0.931467?? ?-0.591609?? ?-1.131105

獲取a, b, d行

# 使用標(biāo)簽索引
df.loc[['a', 'b', 'd']]
df.loc[['a', 'b', 'd'], :]
# 使用布爾數(shù)組
df[[True, True, False, True, False, False, False, True, False, True]]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
d    0.232557    1.768284    -0.447015    2.373358    1.220536

獲取a到d行

df.loc['a':'d', :]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
c    -0.359802    -2.049489    -0.615742    -1.953994    0.685243
d    0.232557    1.768284    -0.447015    2.373358    1.220536

選取A列大于0的行

df.loc[df.A > 0]
df.loc[df.A > 0, :]
# Output
       A            B           C            D            E
a    0.299206    -0.383297    -0.931467    -0.591609    -1.131105
b    0.074351    0.791849    1.637467    -1.408712    -1.376527
d    0.232557    1.768284    -0.447015    2.373358    1.220536
h    1.031420    -3.236676    0.444769    1.396802    -0.405590
i    0.166133    -0.051614    -0.146943    0.609431    -0.351814
j    1.857521    -0.159101    0.899745    1.108722    -0.615379

2.1.2 列選取

# 選取A列
df.loc[:, 'A']
# 選取A列和C列
df.loc[:, ['A', 'C']]
# 選取A列到C列
df.loc[:, 'A':'C']

2.1.3 同時選取行和列

# 選取c行B列的值
df.loc['c', 'B']
# 選取A列和B列同時大于0的C列和D列
df.loc[((df.A > 0) & (df.B > 0)), ['C', 'D']]

2.1.4 行和列的賦值

# 令a行為10
df.loc['a', :] = 10
# 令B列為50
df.loc[:, 'B'] = 50
# 令b, c行的C到F列為30
df.loc[['b', 'c'], 'C':'F'] = 30
# 令C列小于0的行賦值為0
df.loc[df.C < 0] = 0

2.1.5 多重索引

Example

tuples = [
? ?('cobra', 'mark i'), ('cobra', 'mark ii'),
? ?('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),
? ?('viper', 'mark ii'), ('viper', 'mark iii')
]
index = pd.MultiIndex.from_tuples(tuples)
values = [[12, 2], [0, 4], [10, 20],
? ? ? ? [1, 4], [7, 1], [16, 36]]

df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)
# Output
df
? ? ? ? ? ? ? ? ? ? ?max_speed ?shield
cobra ? ? ?mark i ? ? ? ? ? 12 ? ? ? 2
? ? ? ? ? ?mark ii ? ? ? ? ? 0 ? ? ? 4
sidewinder mark i ? ? ? ? ? 10 ? ? ?20
? ? ? ? ? ?mark ii ? ? ? ? ? 1 ? ? ? 4
viper ? ? ?mark ii ? ? ? ? ? 7 ? ? ? 1
? ? ? ? ? ?mark iii ? ? ? ? 16 ? ? ?36
df.loc['cobra']
         max_speed  shield
mark i          12       2
mark ii          0       4

# return a Series
df.loc[('cobra', 'mark ii')]?
max_speed ? ?0
shield ? ? ? 4
Name: (cobra, mark ii), dtype: int64

# return a dataframe
df.loc[[('cobra', 'mark ii')]]
? ? ? ? ? ? ? ?max_speed ?shield
cobra mark ii ? ? ? ? ?0 ? ? ? 4
# return a Series
df.loc['cobra', 'mark i']
max_speed    12
shield        2
Name: (cobra, mark i), dtype: int64

df.loc[('cobra', 'mark i'), 'shield']

df.loc[('cobra', 'mark i'):'viper']
? ? ? ? ? ? ? ? ? ? ?max_speed ?shield
cobra ? ? ?mark i ? ? ? ? ? 12 ? ? ? 2
? ? ? ? ? ?mark ii ? ? ? ? ? 0 ? ? ? 4
sidewinder mark i ? ? ? ? ? 10 ? ? ?20
? ? ? ? ? ?mark ii ? ? ? ? ? 1 ? ? ? 4
viper ? ? ?mark ii ? ? ? ? ? 7 ? ? ? 1
? ? ? ? ? ?mark iii ? ? ? ? 16 ? ? ?36

df.loc[('cobra', 'mark i'):('viper', 'mark ii')]
? ? ? ? ? ? ? ? ? ? max_speed ?shield
cobra ? ? ?mark i ? ? ? ? ?12 ? ? ? 2
? ? ? ? ? ?mark ii ? ? ? ? ?0 ? ? ? 4
sidewinder mark i ? ? ? ? ?10 ? ? ?20
? ? ? ? ? ?mark ii ? ? ? ? ?1 ? ? ? 4
viper ? ? ?mark ii ? ? ? ? ?7 ? ? ? 1

2.2 df.iloc[ ]

pandas.DataFrame.iloc 官方文檔

2.2.1 行選取

選取第二行

# return a Series
df.iloc[1]
df.iloc[1, :]
# return a dataframe
df.iloc[[1]]
df.iloc[[1], :]

選取前三行

df.iloc[:3, :]
df.iloc[:3]

選取第一、三、五行

df.iloc[[1, 3, 5]]
df.iloc[[1, 3, 5], :]

2.2.2 列選取

選取第二列

df.iloc[:, 1]

選取前三列

df.iloc[:, 0:3]
df.iloc[:,:3]

選取第一三四列

df.iloc[:, [0, 2, 3]]

2.2.3 同時選取行和列

選取第一行第二列的值

df.iloc[0, 1]

選取第二三行的第二到四列

df.iloc[[1,2], 1:4]

2.3 df.ix[ ]

可以混合標(biāo)簽索引和整數(shù)索引

However, when an axis is integer based, ONLY label based access and not positional access is supported. Thus, in such cases, it’s usually better to be explicit and use .iloc or .loc.

3. 單元格選取

  • df.at[ ] 只能使用標(biāo)簽索引
  • df.iat[ ] 只能使用整數(shù)索引

3.1 df.at[]

pandas.DataFrame.at 官方文檔

獲取c行C列的值

df.at['c', 'C']

把c行C列賦值為10

df.at['c', 'C'] = 10

3.2 df.iat[]

pandas.DataFrame.iat 官方文檔

獲取第三行第三列的值

df.iat[2, 2]

把第三行第三列賦值為10

df.iat[2, 2] = 10

原文鏈接：https://blog.csdn.net/weixin_46599926/article/details/122795057

欄目分類
最近更新