- A+
這篇文章主要介紹了python?Pandas之DataFrame索引及選取數(shù)據(jù)，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的朋友可以參考一下
1.索引是什么
1.1 認(rèn)識索引
先創(chuàng)建一個(gè)簡單的DataFrame。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
myList = [['a', 10, 1.1],??????['b', 20, 2.2],??????['c', 30, 3.3],??????['d', 40, 4.4]]df1 = pd.DataFrame(data = myList)print(df1)--------------------------------[out]:???0?? 1??? 20? a? 10? 1.11? b? 20? 2.22? c? 30? 3.33? d? 40? 4.4 |
DataFrame中有兩種索引：
- 行索引(index)：對應(yīng)最左邊那一豎列
- 列索引(columns)：對應(yīng)最上面那一橫行
兩種索引默認(rèn)均為從0開始的自增整數(shù)。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
# 輸出行索引print(df1.index)[out]:RangeIndex(start=0, stop=4, step=1)---------------------------------------# 輸出列索引print(df1.columns)[out]:RangeIndex(start=0, stop=3, step=1)---------------------------------------# 輸出所有的值print(df1.values)[out]:array([['a', 10, 1.1],???????['b', 20, 2.2],???????['c', 30, 3.3],???????['d', 40, 4.4]], dtype=object) |
1.2 自定義索引
可以使用 index 這個(gè)參數(shù)指定行索引，columns 這個(gè)參數(shù)指定列索引。
|
1
2
3
4
5
6
7
8
9
10
11
|
df2 = pd.DataFrame(myList, ???????????????????index = ['one', 'two', 'three', 'four'], ???????????????????columns = ['char', 'int', 'float'])print(df2)-----------------------------------------------------------[out]:??????char? int? floatone????? a?? 10??? 1.1two????? b?? 20??? 2.2three??? c?? 30??? 3.3four???? d?? 40??? 4.4 |
輸出此時(shí)的行索引和列索引：
# 輸出行索引
print(df2.index)
[out]:
Index(['one', 'two', 'three', 'four'], dtype='object')
--------------------------------------------------------
# 輸出列索引
print(df2.columns)
[out]:
Index(['char', 'int', 'float'], dtype='object')
2. 索引的簡單使用
2.1 列索引
選擇一列：
|
1
2
3
4
5
6
7
8
9
|
print(df2['char'])print(df2.char)# 兩種方式輸出一樣[out]:one????? atwo????? bthree??? cfour???? dName: char, dtype: object |
注意此時(shí)方括號里面只傳入一個(gè)字符串’char’，這樣選出來的一列，結(jié)果的類型為Series
|
1
2
3
4
5
6
7
8
9
|
print(df2['char'])print(df2.char)# 兩種方式輸出一樣[out]:one????? atwo????? bthree??? cfour???? dName: char, dtype: object |
選擇多列：
|
1
2
3
4
5
6
7
|
print(df2[['char', 'int']])[out]: ??????char?? intone????? a?? 10two????? b?? 20three??? c?? 30four???? d?? 40 |
注意此時(shí)方括號里面?zhèn)魅胍粋€(gè)列表 [‘char’, ‘int’]，選出的結(jié)果類型為 DataFrame。
如果只想選出來一列，卻想返回 DataFrame 類型怎么辦？
|
1
2
3
4
5
6
7
8
9
10
|
print(df2[['char']])[out]:??????charone????? atwo????? bthree??? cfour???? d---------------------------------------type(df2[['char']])[out]：pandas.core.frame.DataFrame |
注意直接使用df2[0]取某一列會報(bào)錯(cuò)，除非columns是由下標(biāo)索引組成的，比如df1那個(gè)樣子，df1[0]就不會報(bào)錯(cuò)。
|
1
2
3
4
5
6
7
8
9
10
11
|
print(df1[0])[out]:0??? a1??? b2??? c3??? dName: 0, dtype: object-----------------------print(df2[0])[out]: KeyError: 0 |
2.2 行索引
2.2.1 使用[ ]
區(qū)別于選取列，此種方式[ ]中不再單獨(dú)的傳入一個(gè)字符串，而是需要使用冒號切片。
選取行標(biāo)簽從 ’two’ 到 ’three’ 的多行數(shù)據(jù)
|
1
2
3
4
5
|
print(df2['two': 'three'])[out]:??????char? int? floattwo????? b?? 20??? 2.2three??? c?? 30??? 3.3 |
選取行標(biāo)簽為’two’這一行數(shù)據(jù)
|
1
2
3
4
5
|
# 此時(shí)返回的類型為DataFrameprint(df2['two': 'two'])[out]:??????char? int? floattwo????? b?? 20??? 2.2 |
在[ ]中不僅可以傳入行標(biāo)簽，還可以傳入行的編號。
選取從第1行到第3行的數(shù)據(jù)(編號從0開始)
|
1
2
3
4
5
6
|
print(df2[1:4])[out]:??????char? int? floattwo????? b?? 20??? 2.2three??? c?? 30??? 3.3four???? d?? 40??? 4.4 |
可以看到選取的數(shù)據(jù)是不包含方括號最右側(cè)的編號所對應(yīng)的數(shù)據(jù)的。
選取第1行的數(shù)據(jù)
|
1
2
3
4
|
print(df2[1:2])[out]:????char? int? floattwo??? b?? 20??? 2.2 |
2.2.2 使用.loc()和.iloc()
區(qū)別就是.loc()是根據(jù)行索引和列索引的值來選取數(shù)據(jù)，而.iloc()是根據(jù)從0開始的下標(biāo)位置來進(jìn)行索引的。
選取行：
使用.loc()
|
1
2
3
4
5
6
7
8
9
10
11
12
|
print(df2.loc['one'])[out]:char?????? aint?????? 10float??? 1.1Name: one, dtype: object-------------------------------------------print(df2.loc[['one', 'three']])[out]:??????char? int? floatone????? a?? 10??? 1.1three??? c?? 30??? 3.3 |
使用.iloc()
|
1
2
3
4
5
6
7
8
9
10
11
12
|
print(df2.iloc[0])[out]:char?????? aint?????? 10float??? 1.1Name: one, dtype: object-------------------------------------------print(df2.iloc[[0, 2]])[out]:??????char? int? floatone????? a?? 10??? 1.1three??? c?? 30??? 3.3 |
到此這篇關(guān)于python Pandas之DataFrame索引及選取數(shù)據(jù)的文章就介紹到這了
