加载数据

import pandas as pd# 加载数据
df = pd.read_excel('demo.xlsx', sheet_name=0)
# 重新构建行索引
index = ['index_' + str(tmp) for tmp in df.index]
# 添加到数据上去
df.index = index
print('df:\n', df)

修改索引的方法参见：https://blog.csdn.net/weixin_45760274/article/details/123459130

通过索引查询

通过索引查询数据时可以使用行列的下标或名称，查询多行多列数据时还可以配合切片进行查询 连续的 数据。
需要注意的是在查询 非连续的 多行多列数据时，需要传入列表组成列表嵌套。

查询某(几)列

索引方式：先操作列，再去操作行

# 获取其中的一列
print('获取单列数据：\n', df['B'])
print('数据类型：\n', type(df['B']))
print('*' * 100)# 获取其中的多列数据  注意： [[ 用的是列表的嵌套！！！ ]]
print('获取多列数据：\n', df[['B', 'C', 'D']])
print('数据类型：\n', type(df[['B', 'C', 'D']]))

查询一列的某(几)行

# 获取其中的一列的某几行
print('获取其中的一列的前5行：\n', df['B'][:5])  # 行下标切片
print('获取其中的一列的前5行：\n', df['B'][:'index_4'])  # 行名称切片---名称切片时包含尾部的！
print('获取其中的一列的前5行：\n', df['B'][[0, 1, 2, 3, 4]])  # 行下标列表
print('获取其中的一列的前5行：\n', df['B'][['index_0', 'index_1', 'index_2', 'index_3', 'index_4']])  # 行名称列表
print('获取其中的一列的前5行：\n', df['B'].head(5))  # head方法

上述输出结果都为：

print('获取其中的一列的后5行：\n', df['B'].tail(5))  # tail方法

查询多列的某(几)行

print('获取其中的多列的前n行：\n', df[['B', 'C', 'D']][:5])  # 行下标切片
print('获取其中的多列的前n行：\n', df[['B', 'C', 'D']][:'index_4'])  # 行名称切片
print('获取其中的多列的前n行：\n', df[['B', 'C', 'D']].head(5))  # head方法
print('获取其中的多列的后n行：\n', df[['B', 'C', 'D']].tail(5))  # tail方法
# print('获取其中的多列的前n行：\n', df[['B', 'C', 'D']][[0, 1, 2, 3]])  # 此时，行下标列表报错！
# print('获取其中的多列的前n行：\n', df[['B', 'C', 'D']][['index_0','index_1','index_2']])  # 此时，行名称列表报错！
"""
报错的原因是因为 df[['B', 'C', 'D']] 查询出的是多列数据，
后面的[[0, 1, 2, 3]]被当作是在前面的基础上继续查询列，而不是查询行
"""

使用loc和iloc方法查询

同时操作DataFrame的行和列，可以借助 loc 和 iloc 的方法

注意：loc只能使用名称； iloc只能使用下标。----不能混用！

DataFrame.loc[“行名称”, “列名称”]
DataFrame.iloc[行索引, 列索引]

print('获取其中的一列：\n', df.loc[:, 'B'])
print('获取其中的一列：\n', df.iloc[:, 5])print('获取其中的多列：\n', df.loc[:, ['A', 'B', 'D']])
print('获取其中的多列：\n', df.iloc[:, [2, 5, -2]])print('获取其中的多列：\n', df.loc[:, 'A':'C'])
print('获取其中的多列：\n', df.iloc[:, 0:3])print('获取多列的指定行：\n', df.loc['index_0':'index_4', ['A', 'B', 'D']])
print('获取多列的指定行：\n', df.iloc[0:5, 0:3])

从效率上来说—直接索引效率高，执行速度快，loc和iloc会稍微慢一点
从应用的广泛性来说—loc和iloc在工作中使用较多！

使用bool-series索引

boolList = [True,True,False,True,False,False,True,True,True,False,]
print("bool数组索引:\n",df.loc[boolList,:])

【Pandas】DataFrame查询数据相关推荐

pandas.DataFrame——pd数据框的简单认识、存csv文件
接着前天的豆瓣书单信息爬取,这一篇文章看一下利用pandas完成对数据的存储. 回想一下我们当时在最后得到了六个列表:img_urls, titles, ratings, authors, detai ...
python pandas DataFrame 修改数据
文章目录修改行名修改列名修改行数据修改列数据修改单个数据 import pandas as pd df1 = pd.DataFrame({'日期': ['2021-7-2', '2021-8 ...
从mysql8.0读取数据并形成pandas dataframe类型数据，精确定位行列式中的元素，并读取...
from pandas import * import pandas as pd from sqlalchemy import create_engine engine = create_engine ...
mysql8s_从mysql8.0读取数据并形成pandas dataframe类型数据，精确定位行列式中的元素，并读取...
Engine(mysql+pymysql://root:***@127.0.0.1:3306/ryandb?charset=UTF8MB4) comment colname tblbelongs0铜价 ...
pandas Dataframe读取数据表是自定义列名
方法一首先将header设置为0后,使用names指定列名 csv_df = pd.read_csv('test.csv', header=0, names=['col1', 'col2', 'co ...
批量处理DataFrame行数据(pandas)
写在前面批量处理 pandas.DataFrame 行列数据 20200212,效率不怎么高代码实现方法1: 按列格式化处理数据 import re import numpy as np imp ...
pandas 索引去重_python中pandas.DataFrame的简单操作方法（创建、索引、增添与删除）如何更新pandas dataframe的值...
我用Python做了一个樱花树,360说有活动感染病毒正...import random import turtle __Pen = turtle.Pen() # 分形樱花树 # "画你的e ...
python pandas 去重_Pandas 数据框增、删、改、查、去重、抽样基本操作方法
怎么使用Python中Pandas库Resample,实现重采样,按照时间,比如原采样间隔为100ms,数据为[0,10,20,30,40],那么重采样#python中的pandas库主要有DataF ...
pandas使用query函数查询dataframe指定数据列的内容（数值）不包含在特定列表中的数据行（not contain in list)
pandas使用query函数查询dataframe指定数据列的内容(数值)不包含在特定列表中的数据行(select rows which column values are not containe ...

【Pandas】DataFrame查询数据

DataFrame查询数据

加载数据

通过索引查询

查询某(几)列

查询一列的某(几)行

查询多列的某(几)行

使用loc和iloc方法查询

使用bool-series索引

【Pandas】DataFrame查询数据相关推荐

最新文章

热门文章

【Pandas】DataFrame查询数据

DataFrame查询数据

加载数据

通过索引查询

查询某(几)列

查询一列 的 某(几)行

查询多列 的 某(几)行

使用loc和iloc方法查询

使用bool-series索引

【Pandas】DataFrame查询数据相关推荐

最新文章

热门文章

查询一列的某(几)行

查询多列的某(几)行