十分鐘輕松掌握dataframe數(shù)據(jù)選擇

數(shù)據(jù)初始化

import pandas as pd
import numpy as np
a=np.array([['北京','北方','一線','非沿海'],['杭州','南方','二線','非沿海'],['深圳','南方','一線','沿海'],['煙臺(tái)','北方','三線','沿海']])
df=pd.DataFrame(a,index=['一','二','三','四'],columns=['城市','地理','級(jí)別','是否沿海'])

城市 地理 級(jí)別 是否沿海
一 北京 北方 一線 非沿海
二 杭州 南方 二線 非沿海
三 深圳 南方 一線 沿海
四 煙臺(tái) 北方 三線 沿海

選擇某一行

通過loc選擇某一行

loc標(biāo)簽是軸標(biāo)簽，也就是我們的索引名，使用也非常簡(jiǎn)單

df.loc['二']

城市       杭州
地理       南方
級(jí)別       二線
是否沿海    非沿海
Name: 二, dtype: object

通過iloc選擇某一行

iloc為整數(shù)標(biāo)簽，類似我們使用的元組列表的索引。比如我們想選擇第二行的數(shù)據(jù)，第二行的索引則為1.

df.iloc[1]

城市       杭州
地理       南方
級(jí)別       二線
是否沿海    非沿海
Name: 二, dtype: object

選擇某一列

最簡(jiǎn)單的方法選擇某一列

如果我們知道列索引，那么選擇某一列則變得十分簡(jiǎn)單

df['級(jí)別']

一    一線
二    二線
三    一線
四    三線
Name: 級(jí)別, dtype: object

通過iloc選則某一列

正如我們上述使用iloc的方法，我們只需傳入行或者列的索引即可。其實(shí)iloc的中括號(hào)里可以輸入兩個(gè)參數(shù)。前面為行，后面為列中間用逗號(hào)隔開。(如果省略了逗號(hào)，則默認(rèn)取選擇行)

比如現(xiàn)在我們想選擇第二列，我們只需在逗號(hào)錢輸入: 代表所有的行，后面則輸入1代表第二列

df.iloc[:, 1]

一    北方
二    南方
三    南方
四    北方
Name: 地理, dtype: object

通過loc選擇某一列

和iloc的使用相似，只不過在數(shù)據(jù)篩選中我們不再使用行整數(shù)索引，而是具體的索引值。

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

選擇某一行的某幾列或某一列的某一行

其實(shí)loc與iloc是dataframe中選擇數(shù)據(jù)最高效的方式，他的功能也十分強(qiáng)大。我們可以隨意組合。

選擇某一行的某幾列

比如我們現(xiàn)在選擇第二行的中間兩列

df.iloc[1,1:3]

地理    南方
級(jí)別    二線
Name: 二, dtype: object

當(dāng)然我們也可以不使用整數(shù)索引

df.loc['二':,'地理':'級(jí)別']

 地理 級(jí)別
二 南方 二線
三 南方 一線
四 北方 三線

通過行列自由組合去選擇數(shù)據(jù)

比如我們想選擇第二到三行的第二列和第三列

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

 級(jí)別 是否沿海
三 一線 沿海
四 三線 沿海

同樣十分簡(jiǎn)單，通過loc使用效果相同，這里不過多描述

選擇某幾列或者某幾行

選擇某幾列

df.iloc[:,2:4]

級(jí)別 是否沿海
一 一線 非沿海
二 二線 非沿海
三 一線 沿海
四 三線 沿海

選擇某幾行

 城市 地理 級(jí)別 是否沿海
二 杭州 南方 二線 非沿海
三 深圳 南方 一線 沿海

獲取單個(gè)標(biāo)量值

如果把dataframe看做一個(gè)表格，這里可以看成獲得表格里某個(gè)單元格的值

通過iat去獲取

iat即為整數(shù)標(biāo)簽

df.iat[2,2]

'一線'

通過at去獲取

at即為具體的索引值去獲取

df.at['三','級(jí)別']

'一線'

到此這篇關(guān)于十分鐘輕松掌握dataframe數(shù)據(jù)選擇的文章就介紹到這了,更多相關(guān)dataframe數(shù)據(jù)選擇內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！