pandas取dataframe特定行列的实现方法 |
您所在的位置:网站首页 › python取dataframe某几列 › pandas取dataframe特定行列的实现方法 |
1.按列取、按索引/行取、按特定行列取 import numpy as np from pandas import DataFrame import pandas as pd df=DataFrame(np.arange(12).reshape((3,4)),index=['one','two','thr'],columns=list('abcd')) df['a']#取a列 df[['a','b']]#取a、b列 #ix可以用数字索引,也可以用index和column索引 df.ix[0]#取第0行 df.ix[0:1]#取第0行 df.ix['one':'two']#取one、two行 df.ix[0:2,0]#取第0、1行,第0列 df.ix[0:1,'a']#取第0行,a列 df.ix[0:2,'a':'c']#取第0、1行,abc列 df.ix['one':'two','a':'c']#取one、two行,abc列 df.ix[0:2,0:1]#取第0、1行,第0列 df.ix[0:2,0:2]#取第0、1行,第0、1列 #loc只能通过index和columns来取,不能用数字 df.loc['one','a']#one行,a列 df.loc['one':'two','a']#one到two行,a列 df.loc['one':'two','a':'c']#one到two行,a到c列 df.loc['one':'two',['a','c']]#one到two行,ac列 #iloc只能用数字索引,不能用索引名 df.iloc[0:2]#前2行 df.iloc[0]#第0行 df.iloc[0:2,0:2]#0、1行,0、1列 df.iloc[[0,2],[1,2,3]]#第0、2行,1、2、3列 #iat取某个单值,只能数字索引 df.iat[1,1]#第1行,1列 #at取某个单值,只能index和columns索引 df.at['one','a']#one行,a列2.按条件取行 选取等于某些值的行记录 用 == df.loc[df[‘column_name'] == some_value] 选取某列是否是某一类型的数值 用 isin df.loc[df[‘column_name'].isin(some_values)] 多种条件的选取 用 & df.loc[(df[‘column'] == some_value) & df[‘other_column'].isin(some_values)] 选取不等于某些值的行记录 用 != df.loc[df[‘column_name'] != some_value] isin返回一系列的数值,如果要选择不符合这个条件的数值使用~ df.loc[~df[‘column_name'].isin(some_values)]3.取完之后替换 df = pd.DataFrame({"id": [25,53,15,47,52,54,45,9], "sex": list('mfmfmfmf'), 'score': [1.2, 2.3, 3.4, 4.5,6.4,5.7,5.6,4.3],"name":['daisy','tony','peter','tommy','ana','david','ken','jim']})将男性(m)替换为1,女性(f)替换为0 方法1: df.ix[df['sex']=='f','sex']=0 df.ix[df['sex']=='m','sex']=1注:在上面的代码中,逗号后面的‘sex'起到固定列名的作用 方法2: df.sex[df['sex']=='m']=1 df.sex[df['sex']=='f']=04.删除特定行 # 要删除列“score” 20)].index)参考文献: 【1】pandas 根据列的值选取所有行 【2】pandas小技巧之--值替换 【3】[译]如何根据条件从pandas DataFrame中删除不需要的行? - everfight - 博客园 【4】官网 到此这篇关于pandas取dataframe特定行/列的文章就介绍到这了,更多相关pandas取dataframe特定行/列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家! 您可能感兴趣的文章:pandas中DataFrame检测重复值的实现pandas DataFrame.shift()函数的具体使用利用python Pandas实现批量拆分Excel与合并ExcelPandas DataFrame转换为字典的方法解决python3安装pandas出错的问题Pandas爆炸函数的使用技巧Pandas||过滤缺失数据||pd.dropna()函数的用法说明使用pandas或numpy处理数据中的空值(np.isnan()/pd.isnull())教你使用Pandas直接核算Excel中的快递费用教你漂亮打印Pandas DataFrames和Series |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |