Python Pandas DataFrame.ix[ ]用法及代码示例 |
您所在的位置:网站首页 › ixs和ix › Python Pandas DataFrame.ix[ ]用法及代码示例 |
Python是进行数据分析的一种出色语言,主要是因为以数据为中心的Python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。 Pandas DataFrame.ix[ ]是基于Label和Integer的切片技术。除了基于纯标签和基于整数的方法外,Pandas还提供了一种混合方法,用于选择和设置对象的子集。ix[]操作员。ix[]是最通用的索引器,将支持loc[]和iloc[]。 用法: DataFrame.ix[ ]参数: 索引位置:行在整数或整数列表中的索引位置。 索引标签:行的索引标签的字符串或字符串列表 返回: DataFrame 或系列取决于参数 代码1: # importing pandas package import pandas as geek # making data frame from csv file data = geek.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") # Integer slicing print("Slicing only rows(till index 4):") x1 = data.ix[:4, ] print(x1, "\n") print("Slicing rows and columns(rows=4, col 1-4, excluding 4):") x2 = data.ix[:4, 1:4] print(x2)输出:
代码2: # importing pandas package import pandas as geek # making data frame from csv file data = geek.read_csv("nba.csv") # Index slicing on Height column print("After index slicing:") x1 = data.ix[10:20, 'Height'] print(x1, "\n") # Index slicing on Salary column x2 = data.ix[10:20, 'Salary'] print(x2)输出:
代码3: # importing pandas and numpy import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10, 4), columns = ['A', 'B', 'C', 'D']) print("Original DataFrame:\n" , df) # Integer slicing print("\n Slicing only rows:") print("--------------------------") x1 = df.ix[:4, ] print(x1) print("\n Slicing rows and columns:") print("----------------------------") x2 = df.ix[:4, 1:3] print(x2)输出:
代码4: # importing pandas and numpy import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10, 4), columns = ['A', 'B', 'C', 'D']) print("Original DataFrame:\n" , df) # Integer slicing (printing all the rows of column 'A') print("\n After index slicing (On 'A'):") print("--------------------------") x = df.ix[:, 'A'] print(x)输出:
|
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |