Pandas读取行列数据最全方法 |
您所在的位置：网站首页 › python提取数据表中几列 › Pandas读取行列数据最全方法 |
|
1、读取方法有按行（单行，多行连续，多行不连续），按列（单列，多列连续，多列不连续）；部分不连续行不连续列；按位置（坐标），按字符（索引）；按块（list）；函数有 df.iloc(), df.loc(), df.iat(), df.at(), df.ix()。 2、转换为DF，赋值columns，index，修改添加数据，取行列索引 data = {'省份': ['北京', '上海', '广州', '深圳'], '年份': ['2017', '2018', '2019', '2020'], '总人数': ['2200', '1900', '2170', '1890'], '高考人数': ['6.3', '5.9', '6.0', '5.2']} df = pd.DataFrame(data, columns=['省份', '年份', '总人数', '高考人数', '高数'], index=['one', 'two', 'three', 'four']) df['高数'] = ['90', '95', '92', '98'] print("行索引：{}".format(list(df.index))) print("列索引：{}".format(list(df.columns))) print(df.index[1:3]) print(df.columns[1]) print(df.columns[1:3]) print(df) 行索引：['one', 'two', 'three', 'four'] 列索引：['省份', '年份', '总人数', '高考人数', '高数'] Index(['two', 'three'], dtype='object') 年份 Index(['年份', '总人数'], dtype='object') 省份 年份 总人数 高考人数 高数 one 北京 2017 2200 6.3 90 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 four 深圳 2020 1890 5.2 983、iloc不能通过[:, [1:3]]取连续数据，取连续数据只能通过 df[df.columns[1:4]]，先获取列索引，再取数据。 print(df['省份']) #按列名取列 print(df.省份) #按列名取列 print(df[['省份', '总人数']]) #按列名取不连续列数据 print(df[df.columns[1:4]]) #按列索引取连续列数据 print(df.iloc[:, 1]) #按位置取列 print(df.iloc[:, [1, 3]]) #按位置取不连续列数据 one 北京 two 上海 three 广州 four 深圳 Name: 省份, dtype: object one 北京 two 上海 three 广州 four 深圳 Name: 省份, dtype: object 省份 总人数 one 北京 2200 two 上海 1900 three 广州 2170 four 深圳 1890 年份 总人数 高考人数 one 2017 2200 6.3 two 2018 1900 5.9 three 2019 2170 6.0 four 2020 1890 5.2 one 2017 two 2018 three 2019 four 2020 Name: 年份, dtype: object 年份 高考人数 one 2017 6.3 two 2018 5.9 three 2019 6.0 four 2020 5.24、通过df.iloc[]（数字）取行数据，取部分行部分列时，要先写行，再写列；有条件的取数据 print(df[1:3]) #按行取数据，这行代码结果没在下面输出print(df[df.高数>90]) #按行有条件的取数据，结果没输出print(df.iloc[1]) #按行取行数据 print(df.iloc[1, 3]) #按坐标取 print(df.iloc[[1], [3]]) #按坐标取 print(df.loc[df.index[1:3]]) #按行索引取行，但没必要 print(df.iloc[1:3]) #按行取连续数据 print(df.iloc[[1, 3]]) 按行取不连续数据 print(df.iloc[[1,2,3], [2,4]]) 取部分行部分列数据 省份 上海 年份 2018 总人数 1900 高考人数 5.9 高数 95 Name: two, dtype: object 5.9 高考人数 two 5.9 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 four 深圳 2020 1890 5.2 98 总人数 高数 two 1900 95 three 2170 92 four 1890 985、通过df.loc[]索引（字符）取行数据。 print(df.loc['two']) print(df.loc['two', '省份']) print(df.loc['two':'three']) print(df.loc[['one', 'three']]) print(df.loc[['one', 'three'], ['省份', '年份']]) 省份 上海 年份 2018 总人数 1900 高考人数 5.9 高数 95 Name: two, dtype: object 上海 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 省份 年份 总人数 高考人数 高数 one 北京 2017 2200 6.3 90 three 广州 2019 2170 6.0 92 省份 年份 one 北京 2017 three 广州 20196、ix，iat，at取行列数据，此方法不常用，可以使用上面方法即可。 print(df.ix[1:3]) print(df.ix[:, [1, 3]]) print(df.iat[1,3]) print(df.at['two', '省份']) 省份 年份 总人数 高考人数 高数 two 上海 2018 1900 5.9 95 three 广州 2019 2170 6.0 92 年份 高考人数 one 2017 6.3 two 2018 5.9 three 2019 6.0 four 2020 5.2 5.9 上海https://www.jianshu.com/p/6d1677cdacbb |
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 |