服务器之家

服务器之家 > 正文

pandas 数据索引与选取的实现方法

时间:2021-07-17 00:49     来源/作者:罗兵

我们对 dataframe 进行选择,大抵从这三个层次考虑:行列、区域、单元格。

其对应使用的方法如下:
一. 行,列 --> df[]
二. 区域   --> df.loc[], df.iloc[], df.ix[]
三. 单元格 --> df.at[], df.iat[]

下面开始练习:

?
1
2
3
4
import numpy as np
import pandas as pd
 
df = pd.dataframe(np.random.randn(6,4), index=list('abcdef'), columns=list('abcd'))

1. df[]:

一维
行维度:
    整数切片、标签切片、<布尔数组>
列维度:
    标签索引、标签列表、callable

?
1
2
3
4
5
6
df[:3]
df['a':'c']
df[[true,true,true,false,false,false]] # 前三行(布尔数组长度等于行数)
df[df['a']>0] # a列值大于0的行
df[(df['a']>0) | (df['b']>0)] # a列值大于0,或者b列大于0的行
df[(df['a']>0) & (df['c']>0)] # a列值大于0,并且c列大于0的行
?
1
2
3
df['a']
df[['a','b']]
df[lambda df: df.columns[0]] # callable

2. df.loc[]

二维,先行后列
行维度:
    标签索引、标签切片、标签列表、<布尔数组>、callable
列维度:
    标签索引、标签切片、标签列表、<布尔数组>、callable

?
1
2
3
4
5
6
7
8
df.loc['a', :]
df.loc['a':'d', :]
df.loc[['a','b','c'], :]
df.loc[[true,true,true,false,false,false], :] # 前三行(布尔数组长度等于行数)
df.loc[df['a']>0, :]
df.loc[df.loc[:,'a']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[lambda _df: _df.a > 0, :]
?
1
2
3
4
5
6
7
df.loc[:, 'a']
df.loc[:, 'a':'c']
df.loc[:, ['a','b','c']]
df.loc[:, [true,true,true,false]] # 前三列(布尔数组长度等于行数)
df.loc[:, df.loc['a']>0]     # a行大于0的列
df.loc[:, df.iloc[0]>0]      # 0行大于0的列
df.loc[:, lambda _df: ['a', 'b']]
?
1
df.a.loc[lambda s: s > 0]

3. df.iloc[]

二维,先行后列
行维度:
    整数索引、整数切片、整数列表、<布尔数组>
列维度:
    整数索引、整数切片、整数列表、<布尔数组>、callable

?
1
2
3
4
5
6
7
8
df.iloc[3, :]
df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[true,true,true,false,false,false], :] # 前三行(布尔数组长度等于行数)
df.iloc[df['a']>0, :]    #× 为什么不行呢?想不通!
df.iloc[df.loc[:,'a']>0, :]
df.iloc[df.iloc[:,0]>0, :]
df.iloc[lambda _df: [0, 1], :]
?
1
2
3
4
5
6
7
df.iloc[:, 1]
df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [true,true,true,false]] # 前三列(布尔数组长度等于行数)
df.iloc[:, df.loc['a']>0]
df.iloc[:, df.iloc[0]>0]
df.iloc[:, lambda _df: [0, 1]]

4. df.ix[]

二维,先行后列
行维度:
    整数索引、整数切片、整数列表、
    标签索引、标签切片、标签列表、
    <布尔数组>、
    callable
列维度:
    整数索引、整数切片、整数列表、
    标签索引、标签切片、标签列表、
    <布尔数组>、
    callable

?
1
2
3
4
5
6
7
df.ix[0, :]
df.ix[0:3, :]
df.ix[[0,1,2], :]
 
df.ix['a', :]
df.ix['a':'d', :]
df.ix[['a','b','c'], :]
?
1
2
3
4
5
6
7
df.ix[:, 0]
df.ix[:, 0:3]
df.ix[:, [0,1,2]]
 
df.ix[:, 'a']
df.ix[:, 'a':'c']
df.ix[:, ['a','b','c']]

5. df.at[]

精确定位单元格
行维度:
    标签索引
列维度:
    标签索引

?
1
df.at['a', 'a']

6. df.iat[]

精确定位单元格

行维度:
    整数索引
列维度:
    整数索引

?
1
df.iat[0, 0]

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://www.cnblogs.com/hhh5460/p/5595616.html

标签:

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
2021德云社封箱演出完整版 2021年德云社封箱演出在线看
2021德云社封箱演出完整版 2021年德云社封箱演出在线看 2021-03-15
返回顶部