这次给大家带来pandas+dataframe实现行列选择与切片操作,pandas+dataframe实现行列选择与切片操作的注意事项有哪些,下面就是实战案例,一起来看一下。

SQL中的select是根据列的名称来选取;Pandas则更为灵活,不但可根据列名称选取,还可以根据列所在的position(数字,在第几行第几列,注意pandas行列的position是从0开始)选取。相关函数如下:

1)loc,基于列label,可选取特定行(根据行index);

2)iloc,基于行/列的position;

3)at,根据指定行index及列label,快速定位DataFrame的元素;

4)iat,与at类似,不同的是根据position来定位的;

5)ix,为loc与iloc的混合体,既支持label也支持position;

实例

import pandas as pd
import numpy as np
df = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59],
          'tip': [1.01, 1.66, 3.50, 3.31, 3.61],
          'sex': ['Female', 'Male', 'Male', 'Male', 'Female']})
# data type of columns
print df.dtypes
# indexes
print df.index
# return pandas.Index
print df.columns
# each row, return array[array]
print df.values
print df
登录后复制
sex      object
tip      float64
total_bill  float64
dtype: object
RangeIndex(start=0, stop=5, step=1)
Index([u'sex', u'tip', u'total_bill'], dtype='object')
[['Female' 1.01 16.99]
 ['Male' 1.66 10.34]
 ['Male' 3.5 23.68]
 ['Male' 3.31 23.68]
 ['Female' 3.61 24.59]]
   sex  tip total_bill
0 Female 1.01    16.99
1  Male 1.66    10.34
2  Male 3.50    23.68
3  Male 3.31    23.68
4 Female 3.61    24.59
登录后复制
print df.loc[1:3, ['total_bill', 'tip']]
print df.loc[1:3, 'tip': 'total_bill']
print df.iloc[1:3, [1, 2]]
print df.iloc[1:3, 1: 3]
登录后复制
  total_bill  tip
1    10.34 1.66
2    23.68 3.50
3    23.68 3.31
  tip total_bill
1 1.66    10.34
2 3.50    23.68
3 3.31    23.68
  tip total_bill
1 1.66    10.34
2 3.50    23.68
  tip total_bill
1 1.66    10.34
2 3.50    23.68
登录后复制

错误的表示:

print df.loc[1:3, [2, 3]]#.loc仅支持列名操作
登录后复制
KeyError: 'None of [[2, 3]] are in the [columns]'
登录后复制
print df.loc[[2, 3]]#.loc可以不加列名,则是行选择
登录后复制
  sex  tip total_bill
2 Male 3.50    23.68
3 Male 3.31    23.68
登录后复制
print df.iloc[1:3]#.iloc可以不加第几列,则是行选择
登录后复制
sex  tip total_bill
1 Male 1.66    10.34
2 Male 3.50    23.68
登录后复制
print df.iloc[1:3, 'tip': 'total_bill']
登录后复制
TypeError: cannot do slice indexing on <class 'pandas.indexes.base.Index'> with these indexers [tip] of <type 'str'>
登录后复制
print df.at[3, 'tip']
print df.iat[3, 1]
print df.ix[1:3, [1, 2]]
print df.ix[1:3, ['total_bill', 'tip']]
登录后复制
3.31
3.31
  tip total_bill
1 1.66    10.34
2 3.50    23.68
3 3.31    23.68
  total_bill  tip
1    10.34 1.66
2    23.68 3.50
3    23.68 3.31
登录后复制
print df.ix[[1, 2]]#行选择
登录后复制
  sex  tip total_bill
1 Male 1.66    10.34
2 Male 3.50    23.68
登录后复制
print df[1: 3]
print df[['total_bill', 'tip']]
# print df[1:2, ['total_bill', 'tip']] # TypeError: unhashable type
登录后复制
sex  tip total_bill
1 Male 1.66    10.34
2 Male 3.50    23.68
  total_bill  tip
0    16.99 1.01
1    10.34 1.66
2    23.68 3.50
3    23.68 3.31
4    24.59 3.61
登录后复制
print df[1:3,1:2]
登录后复制
TypeError: unhashable type
登录后复制

相信看了本文案例你已经掌握了方法,更多精彩请关注Work网其它相关文章!

推荐阅读:

pandas中的Dataframe查询有哪些方法

selenium+cookie跳过验证码登录实现步奏详解

以上就是pandas+dataframe实现行列选择与切片操作的详细内容,更多请关注Work网其它相关文章!

09-15 01:46