Pandas DataFrame切片器的基本操作及应用

Series是一维表格，每个元素带标签且有下标，兼具列表和字典的访问形式

import pandas as pd
s = pd.Series(data=[80,90,100],index=['语文','数学','英语'])
for x in s: #>>80 90 100print(x,end=" ")
print("")
print(s['语文'],s[1]) #>>80 90 标签和序号都可以作为下标来访问元素
print(s[0:2]['数学']) #>>90 s[0:2]是切片
print(s['数学':'英语'][1]) #>>100
for i in range(len(s.index)): #>>语文 数学 英语print(s.index[i],end = " ")
s['体育'] = 110 #在尾部添加元素，标签为'体育'，值为110
s.pop('数学') #删除标签为'数学’的元素
s2 = s.append(pd.Series(120,index = ['政治'])) #不改变s
print(s2['语文'],s2['政治']) #>>80 120
print(list(s2)) #>>[80, 100, 110, 120]
print(s.sum(),s.min(),s.mean(),s.median())#输出和、最小值、平均值、中位数
print(s.idxmax(),s.argmax()) #>>体育 2 输出最大元素的标签和下标

DataFrame是带行列标签的二维表格，的每一列都是一个Series

import pandas as pd
pd.set_option('display.unicode.east_asian_width',True)
#输出对齐方面的设置
scores = [['男',108,115,97],['女',115,87,105],['女',100,60,130],
['男',112,80,50]]
names = ['张三','李四','王五','赵六']
courses = ['性别','语文','数学','英语']
df = pd.DataFrame(data=scores,index = names,columns = courses)
print(df)print(df.values[0][1],type(df.values))#>>108 <class 'numpy.ndarray'>
print(list(df.index)) #>>['张三', '李四', '王五', '赵六']
print(list(df.columns)) #>>['性别', '语文', '数学', '英语']
print(df.index[2],df.columns[2]) #>>王五 数学
s1 = df['语文'] #s1是个Series，代表'语文'那一列
print(s1['张三'],s1[0]) #>>108 108 张三语文成绩
print(df['语文']['张三']) #>>108 列索引先写
s2 = df.loc['李四'] #s2也是个Series，代表“李四”那一行
print(s2['性别'],s2['语文'],s2[2])
#>>女 115 87 李四的性别、语文和数学分数

DataFrame的切片：

行切片：

#DataFrame的切片：
#iloc[行选择器, 列选择器] 用下标做切片
#loc[行选择器, 列选择器] 用标签做切片
#DataFrame的切片是视图
df2 = df.iloc[1:3] #行切片，是视图，选1,2两行
df2 = df.loc['李四':'王五'] #和上一行等价
print(df2)

列切片：

df3 = df.iloc[:,0:3]    #列切片(是视图)，选0、1、2三列
df3= df.loc[:,'性别':'数学'] #和上一行等价
print(df3)

行列切片：

df4 = df.iloc[:2,[1,3]]  #行列切片
df4 = df.loc[:'李四',['语文','英语']] #和上一行等价
print(df4)

行列切片：

df5 = df.iloc[[1,3],2:4] #取第1、3行，第2、3列
df5 = df.loc[['李四','赵六'],'数学':'英语'] #和上一行等价
print(df5)

Pandas DataFrame切片器的基本操作及应用相关推荐

c++没有终结符的多行输入如何停止_如何使用iloc和loc 对Pandas Dataframe进行索引和切片...
在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和索引. 一旦我们将一个数据集加载为Pandas dataframe,我们通常希望根据某些条件开 ...
dataframe iloc_如何使用iloc和loc 对Pandas Dataframe进行索引和切片
在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和索引. 一旦我们将一个数据集加载为Pandas dataframe,我们通常希望根据某些条件开 ...
python中iloc切片_如何使用iloc和loc 对Pandas Dataframe进行索引和切片
Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发. 在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和 ...
python pandas dataframe 行列选择，切片操作原创 2017年02月15日 21:43:18 标签： python 30760 python pandas dataframe
python pandas dataframe 行列选择,切片操作原创 2017年02月15日 21:43:18 标签: python / 30760 编辑删除 python pandas dat ...
python dataframe切片_python pandas dataframe 行列选择,切片操作方法
SQL中的select是根据列的名称来选取:Pandas则更为灵活,不但可根据列名称选取,还可以根据列所在的position(数字,在第几行第几列,注意pandas行列的position是从0开始)选 ...
python mulit函数_python – 将函数应用于MultiIndex pandas.DataFrame列
我有一个MultiIndex pandas DataFrame,我想在其中的一个列中应用一个函数,并将结果分配给同一列. In [1]: import numpy as np import panda ...
python dataframe loc函数_python pandas.DataFrame.loc函数使用详解
官方函数 DataFrame.loc Access a group of rows and columns by label(s) or a boolean array. .loc[] is prim ...
pandas.DataFrame.iloc的使用
pandas.DataFrame.iloc的使用今天学习时遇到了这个方法,为了加深理解做一下笔记. 这是该方法的文档,从中可以看出,中括号里允许输入可情形有5种. 此外,iloc方法既可以索引行数据 ...
python dataframe取一列_python - 从pandas DataFrame列标题中获取列表
python - 从pandas DataFrame列标题中获取列表我想从pandas DataFrame中获取列标题列表. DataFrame将来自用户输入,因此我不知道将会有多少列或将调用它们. ...
自定义列_如何对Pandas DataFrame进行自定义排序
Pandas DataFrame有一个内置方法sort_values(),可以根据给定的变量对值进行排序.该方法本身使用起来相当简单,但是它不适用于自定义排序,例如, t恤尺寸:XS.S.M.L和XL ...

Pandas DataFrame切片器的基本操作及应用

Pandas DataFrame切片器的基本操作及应用相关推荐

最新文章

热门文章