Python 之 Pandas (二)选择数据
代码:
import numpy as np
import pandas as pddates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates, columns=['A', 'B', 'C', 'D'])
print(df)
# 输出列
print("输出列")
print(df['A'])
print(df.B)
运行结果:
A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
输出列
2013-01-01 0
2013-01-02 4
2013-01-03 8
2013-01-04 12
2013-01-05 16
2013-01-06 20
Freq: D, Name: A, dtype: int64
2013-01-01 1
2013-01-02 5
2013-01-03 9
2013-01-04 13
2013-01-05 17
2013-01-06 21
Freq: D, Name: B, dtype: int64
代码:
print("输出行")
# 输出行
print(df['20130101':'20130105'])
print(df[0:3])
print(df['20130101':'20130104'])
运行结果:
输出行A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
代码:
print("LOC")
# 根据标签选择:loc
print(df.loc['20130102'])
# 保留行,选择列
print(df.loc[:, ['A', 'B']])
print(df.loc['20130102', ['A', 'B']]
运行结果:
LOC
A 4
B 5
C 6
D 7
Name: 2013-01-02 00:00:00, dtype: int64A B
2013-01-01 0 1
2013-01-02 4 5
2013-01-03 8 9
2013-01-04 12 13
2013-01-05 16 17
2013-01-06 20 21
A 4
B 5
Name: 2013-01-02 00:00:00, dtype: int64
代码:
# 根据位置选择:iloc
print(df.iloc[3]) # 第三行
print(df.iloc[3, 1]) # 第三行第一列
# 切片
print(df.iloc[3:5, 1:3])
# 不连续塞选
print(df.iloc[[1, 3, 5], 1:3])
运行结果:
A 12
B 13
C 14
D 15
Name: 2013-01-04 00:00:00, dtype: int64
13B C
2013-01-04 13 14
2013-01-05 17 18B C
2013-01-02 5 6
2013-01-04 13 14
2013-01-06 21 22
代码:
# 将loc和iloc在一起塞选:ix
print(df.ix[:3, ['A', 'C']])
运行结果:
A C
2013-01-01 0 2
2013-01-02 4 6
2013-01-03 8 10
代码:
# 是或否的塞选
print(df[df.A > 8])print("TEST")
dates = pd.date_range('2018.1.12', periods=5)
df = pd.DataFrame(data=np.arange(15).reshape(5, 3), index=dates, columns=['A', 'B', 'C'])
print(df)
运行结果:
A B C D
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
TESTA B C
2018-01-12 0 1 2
2018-01-13 3 4 5
2018-01-14 6 7 8
2018-01-15 9 10 11
2018-01-16 12 13 14
Python 之 Pandas (二)选择数据相关推荐
- Python 之 Pandas (三)选择数据
代码: import numpy as np import pandas as pddates = pd.date_range('20130101', periods=6) df = pd.DataF ...
- Python将Pandas中Dataframe数据保存为gzip/zip文件:gzip压缩文件、zip压缩文件
Python将Pandas中Dataframe数据保存为gzip/zip文件:gzip压缩文件.zip压缩文件 目录 Python将Pandas中Dataframe数据保存为gzip/zip文件:gz ...
- Python中pandas库实现数据缺失值判断isnull()函数
[小白从小学Python.C.Java] [Python全国计算机等级考试] [Python数据分析考试必会题] ● 标题与摘要 Python中pandas库实现数据缺失值判断 isnull()函数 ...
- [转载] Python利用pandas处理Excel数据的应用
参考链接: Python | Pandas数据比较与选择 最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做 ...
- 08 Python之Pandas库选择查看、选择
Pandas查看和选择数据 Pandas是基于Numpy构建的,让以Numpy为中心的应用变得更加简单.平台获取的数据主要是以Pandas中DataFrame的形式.除此之外,Pandas还包括一维数 ...
- python在excel中的应用-Python利用pandas处理Excel数据的应用详解
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
- python与excel的应用-Python利用pandas处理Excel数据的应用
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
- python处理excel表格-Python利用pandas处理Excel数据的应用
最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...
- Python——两类二维数据线性判别fisher
题目: 说明:下述问题在 Python 中编程求解. 1.已知两类二维数据, (1)第一类共 4 个样本:[6,6],[4,5],[5,5],[5,4],第二类共 4 个样本: [0,1],[1,2] ...
最新文章
- AVFoundation和 GPUImage初探
- 免费获取半年 Bitdefender Total Security 2014
- js动态创建html控件,通过JS动态添加html控件后,添加样式以及OnClick
- Java线程面试题 Top 50
- css知识笔记(二)——盒子模型
- 月球-I型,月份日历生成器----基于PHP7.3
- 双向循环链表:维吉尼亚密码
- 使用Apache Commons IO组件读取大文件
- dns服务器的配置与管理
- 开课吧:Java软件开发的优点有哪些?​
- 2022低压电工考试题库模拟考试平台操作
- 自然科学与军事技术史
- Navicat Premium 历史版本地址
- PS 2018CC安装完打开后,菜单界面的字体太大太小如何调整
- ubuntu 手机连接不到电脑,配置
- 佳能MG2580s打印机驱动
- 天猫用户重复购买预测之数据分析
- 计算机中文件访问时间是什么情况,文件访问条件
- 上海邀请赛——魔都之行
- 清除浮动(高度塌陷)的方法及原理!
热门文章
- 智源学者韩银和、蔡一茂入选2020年度国家杰出青年科学基金建议资助项目申请人名单...
- AI4U:以用户友好为目标,智源重大研究方向“机器学习”学者候选人发布
- 万字干货 | 一文揭秘Presto在腾讯资讯业务中的应用
- 新书上市 | 《复分析:可视化方法》
- 专访 CNCF 大使张磊:让云原生不再是大厂专属
- 分析JVM双亲委派模型的类加载源码 自定义类加载器
- window.open() document.open()
- Python 之父:Python 4.0 可能不会来了
- 数据团队「隐形守护者」!从被动应对到资源输出,腾讯安全20年成长记
- 太有缘!和同专业师兄同名同姓同年同月同日生还是同导师是什么体验?