【pandas】Python读取DataFrame的某行或某列

这篇具有很好参考价值的文章主要介绍了【pandas】Python读取DataFrame的某行或某列。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

行索引、列索引、loc和iloc

import pandas as pd
import numpy as np
# 准备数据
df = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("WXYZ"))

【pandas】Python读取DataFrame的某行或某列

  • 行索引(index):对应最左边那一竖列

  • 列索引(columns):对应最上面那一横行

  • .loc[]官方释义: Access a group of rows and columns by label(s) or a boolean array.(通过标签或布尔数组访问一组行和列) 官方链接

    • loc使用索引来取值,基础用法 df.loc[[行索引],[列索引]]
  • .iloc[]官方释义: Purely integer-location based indexing for selection by position.(按位置进行索引选择) 官方链接

    • iloc使用位置(从0开始)来取值,基础用法 df.iloc[[行位置],[列位置]]

一、根据列索引取某一列/多列(常用)

df['W']   # 取‘W’列,返回类型是Series
df[['W']] # 取‘W’列,返回类型是DataFrame
df[['W','Y']] # 取‘W’列和‘Y’列
df.loc[:,'W':'Y'] # 取‘W’列到‘Y’列

二、根据行索引取某一行/多行

df.loc['a']   # 取‘a’行,返回类型是Series
df.loc[['a']]   # 取‘a’行,返回类型是DataFrame
df.loc[['a','c']]   # 取‘a’行和‘c’行,也可以写成 df.loc[['a','c'],:]
df.loc['a':'c',:]   # 取‘a’行到‘c’行

三、根据列位置取某一列/多列

df.iloc[:,1]    # 取第2列(‘X’列),列号为1,返回类型是Series
df.iloc[:,0:2]  # 取前2列(‘W’列和‘X’列),列号为0和1
df.iloc[:,0:-1] # 取最后一列之前的所有列

四、根据行位置取某一行/多行(常用)

df[:2]  #取前2行,行号为0和1
df[1:2] #取第2行,行号为1
df.iloc[1] # 取第2行(‘b’行),行号为1,返回类型是Series,也可以写成df.iloc[1,:]

五、取某一行某一列(常用)

df.loc[['b'],['W']] # 取‘b’行‘W’列,返回类型是DataFrame,带着行、列索引的
df.loc['b','W']     # 取‘b’行‘W’列的值,返回类型是int,不带行列索引
df.loc['b']['W']    # 取‘b’行‘W’列的值(从Series类型df.loc['b']中通过索引取值)

df.iloc[[0],[0]]    # 取第1行、第1列,返回类型是DataFrame,带着行、列索引的
df.iloc[0,0]        # 取第1行、第1列的值
df.iloc[0][0]       # 取第1行、第1列的值(从Series类型df.iloc[0]中通过序号取值)
df.iloc[0]['W']     # 取第1行、‘W’列的值(从Series类型df.iloc[0]中通过索引取值)

六、取多行多列

df[:2][['W','Y']]      # 取前2行的‘W’列和’Y‘列
df[:2].loc[:2,'W':'Y']  # 取前2行的‘W’列到’Y‘列

df.iloc[0][['W','Y']]  # 取第1行的‘W’列和’Y‘列
df.iloc[0]['W':'Y']    # 取第1行的‘W’列到’Y‘列

df.loc[["a","c"],["W","Y"]] # 取‘a’行和‘c’行,‘W’列和‘Y’列
df.iloc[[0,2],[1,3]]        # 取1、3行,2、4列

总结: 一般通过行位置来取行,通过列索引来取列,且行索引大多数情况下和行位置是相同的。
最常用的是以下几个文章来源地址https://www.toymoban.com/news/detail-472467.html

# 取某一列
df['W']
# 取某一行
df.iloc[0] 
# 取多列
df.loc[:,'W':'Y'] # 取‘W’列到‘Y’列
df.iloc[:,0:-1]   # 取最后一列之前的所有列
# 取对应行列的值
df.iloc[0]['W']
df.loc['a','W']  # 在行索引和行位置相同的情况下的写法就是,df.loc[0,'W']

到了这里,关于【pandas】Python读取DataFrame的某行或某列的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • matlab如何删除矩阵某行或列?

    要删除矩阵某一行或某一列,只需要将某一行或某一列赋予一个空矩阵即可。 例如: 先创建一个4*4矩阵:x=eye(4),得到  之后输入: x(2,:)=[]后得到  能看出来第二行没了。 如果是删除第二列,就是x(:,2)=[]  

    2024年02月11日
    浏览(53)
  • Excel设置某列或者某行不某行不可以编辑,只读属性

    设置单元格只读的三种方式: 1、通过单元格只读按钮,设置为只为 设置行或者列的只读属性,可以设置整行或者整列只读       2、设置单元格编辑控件为标签控件(标签控件不可编辑) 3、通过锁定行,锁定行的修改。锁定的行与只读行的区别在于锁定的行不可以解锁   4、

    2024年02月12日
    浏览(47)
  • 如何使用pandas读取csv文件中的某一列数据

    使用pandas读取csv文件中的某一列数据,可以这样做: 先导入pandas模块: import pandas as pd 使用 pd.read_csv 函数读取csv文件: df = pd.read_csv(\\\"文件名.csv\\\") 使用 df[\\\"列名\\\"] 读取某一列数据: column = df[\\\"列名\\\"] 例如,如果你有一个csv文件叫做 example.csv ,并且有一列叫做 age ,你可以这样

    2024年02月13日
    浏览(45)
  • Python 按照某列内容对两个DataFrame进行合并

    要将两个DataFrame进行合并,如 data1  和  data2 按照第一列的内容纵向合并为一个新的DataFrame,可以使用pandas库中的merge()方法,按照实际需求将 how参数设置为 ‘left’、‘right’、‘outer’、‘inner’。其中: inner: 内连接/交集。保留两个 DataFrame 共有的键,丢弃不匹配的行。

    2024年02月15日
    浏览(48)
  • Python数据分析实战-提取DataFrame(Excel)某行(记录)最全操作(附源码和实现效果)

    提取DataFrame(Excel)某行(记录) 本人读研期间发表5篇SCI数据挖掘相关论文,现在某研究院从事数据挖掘相关科研工作,对数据挖掘有一定认知和理解,会结合自身科研实践经历不定期分享关于python机器学习、深度学习、数据挖掘基础知识与案例。 致力于只做原创,以最简

    2024年02月14日
    浏览(36)
  • matlab快速选择矩阵中的某一行或某一列

    先在工作区中找到你想看的变量,点进去,然后展现的就是变量矩阵的具体数值。 然后在上方找到“变量”这一栏,有一个要你输入“行数列数 ”的东西。 举例,你如果想看矩阵的(1183,40)这个数据,那你就输进去相应的数字。如果是看第1183行,那就输入(1183,:)。列就同理

    2024年02月12日
    浏览(47)
  • Python数据分析实战-提取DataFrame(Excel)某列(字段)最全操作(附源码和实现效果)

    实现功能: Python数据分析实战-提取DataFrame(Excel)某列(字段)最全操作,代码演示了单列提取和多列提取两种情况,其中单列提取有返回series格式和dataframe两种情况,在日常数据分析中经常会出现混淆和使用错误,本文对此都做了对比和说明。读者可以自行编码,感受一下

    2024年02月15日
    浏览(46)
  • python中Pandas之DataFrame索引、选取数据

    总结一下 DataFrame 索引问题 先创建一个简单的 DataFrame 。 DataFrame 中有两种索引: 行索引( index ):对应最左边那一竖列 列索引( columns ):对应最上面那一横行 两种索引默认均为从 0 开始的自增整数。 可以使用 index 这个参数指定行索引, columns 这个参数指定列索引。 输出此时

    2023年04月08日
    浏览(48)
  • 【python】【pandas】dataframe按照列名给列排序

    输出结果: 在上述代码中,我们首先创建了一个示例DataFrame。然后,我们使用 sort_values() 方法对DataFrame的列进行排序。通过指定 by=df.columns ,我们将按照列名的字母顺序对列进行排序。最后,通过设置 axis=1 参数,我们指定按列进行排序。 执行上述代码后,DataFrame的列将按照

    2024年02月15日
    浏览(48)
  • 【Python】【pandas】打印 DataFrame 的每一列数据类型。

    可以使用 dtypes 属性来打印 DataFrame 的每一列数据类型。 dtypes 属性返回一个 Series,其中包含每个列的名称和对应的数据类型。 以下是打印 DataFrame 每一列数据类型的示例代码: 这将输出一个包含列名和数据类型的 Series。每一行都代表 DataFrame 的一列,列名作为索引,数据类

    2024年02月14日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包