python dataframe索引_pandas DataFrame 行列索引及值的获取的方法

pandas DataFrame是二维的,所以,它既有列索引,又有行索引

上一篇里只介绍了列索引:

import pandas as pd

df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})

print df

# 结果:

A B

0 0 3

1 1 4

2 2 5

行索引自动生成了 0,1,2

如果要自己指定行索引和列索引,可以使用 index 和 column 参数:

这个数据是5个车站10天内的客流数据:

ridership_df = pd.DataFrame(

data=[[ 0, 0, 2, 5, 0],

[1478, 3877, 3674, 2328, 2539],

[1613, 4088, 3991, 6461, 2691],

[1560, 3392, 3826, 4787, 2613],

[1608, 4802, 3932, 4477, 2705],

[1576, 3933, 3909, 4979, 2685],

[ 95, 229, 255, 496, 201],

[ 2, 0, 1, 27, 0],

[1438, 3785, 3589, 4174, 2215],

[1342, 4043, 4009, 4665, 3033]],

index=['05-01-11', '05-02-11', '05-03-11', '05-04-11', '05-05-11',

'05-06-11', '05-07-11', '05-08-11', '05-09-11', '05-10-11'],

columns=['R003', 'R004', 'R005', 'R006', 'R007']

)

data 参数为一个numpy二维数组, index 参数为行索引, column 参数为列索引

生成的数据以表格形式显示:

R003 R004 R005 R006 R007

05-01-11 0 0 2 5 0

05-02-11 1478 3877 3674 2328 2539

05-03-11 1613 4088 3991 6461 2691

05-04-11 1560 3392 3826 4787 2613

05-05-11 1608 4802 3932 4477 2705

05-06-11 1576 3933 3909 4979 2685

05-07-11 95 229 255 496 201

05-08-11 2 0 1 27 0

05-09-11 1438 3785 3589 4174 2215

05-10-11 1342 4043 4009 4665 3033

下面说下如何获取DataFrame里的值:

1.获取某一列: 直接 ['key']

print(ridership_df['R003'])

# 结果:

05-01-11 0

05-02-11 1478

05-03-11 1613

05-04-11 1560

05-05-11 1608

05-06-11 1576

05-07-11 95

05-08-11 2

05-09-11 1438

05-10-11 1342

Name: R003, dtype: int64

2.获取某一行: .loc['key']

print(ridership_df.loc['05-01-11'])

# 或者

print(ridership_df.iloc[0])

# 结果:

R003 0

R004 0

R005 2

R006 5

R007 0

Name: 05-01-11, dtype: int64

3.获取某一行某一列的某个值:

print(ridership_df.loc['05-05-11','R003'])

# 或者

print(ridership_df.iloc[4,0])

# 结果:

1608

4.获取原始的numpy二维数组:

print(ridership_df.values)

# 结果:

[[ 0 0 2 5 0]

[1478 3877 3674 2328 2539]

[1613 4088 3991 6461 2691]

[1560 3392 3826 4787 2613]

[1608 4802 3932 4477 2705]

[1576 3933 3909 4979 2685]

[ 95 229 255 496 201]

[ 2 0 1 27 0]

[1438 3785 3589 4174 2215]

[1342 4043 4009 4665 3033]]

*注意在这过程中,数据格式如果不一致,会发生转换.

一个综合栗子:

从 ridership_df 找出第一天里客流量最多的车站,然后返回这个车站的日平均客流,以及返回所有车站的平均日客流,作为对比:

def mean_riders_for_max_station(ridership):

max_index = ridership.iloc[0].argmax()

mean_for_max = ridership[max_index].mean()

overall_mean = ridership.values.mean()

return (overall_mean, mean_for_max)

print mean_riders_for_max_station(ridership_df)

# 结果:

(2342.6, 3239.9)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

python dataframe索引_pandas DataFrame 行列索引及值的获取的方法相关推荐

python空值填充_pandas | DataFrame基础运算以及空值填充
今天是pandas数据处理专题的第四篇文章,我们一起来聊聊DataFrame的基本运算. 上一篇文章当中我们介绍了DataFrame数据结构当中一些常用的索引的使用方法,比如iloc.loc以及逻辑索 ...
python iloc用法_pandas.DataFrame.loc和.iloc用法详解
.loc[ ]与.iloc[ ]用法详解目录 pandas.DataFrame.loc pandas.DataFrame.iloc 注意通过.loc[ ]或者.iloc[ ]获取数据时需要注 ...
python cut函数_Pandas DataFrame.cut()用法例子
本文概述当需要将数据值分段并将其分类到bin中时, 将调用cut()方法.它用于将连续变量转换为分类变量.它还可以将元素数组分离到单独的容器中.该方法仅适用于一维数组状对象. 如果我们有大量标量数据 ...
pythonpandas设置索引_pandas DataFrame的修改方法(值、列、索引)
对于DataFrame的修改操作其实有很多,不单单是某个部分的值的修改,还有一些索引的修改.列名的修改,类型修改等等.我们仅选取部分进行介绍. 一.值的修改 DataFrame的修改方法,其实前面介绍 ...
pandas 设置多重索引_pandas dataframe多重索引常用操作
增加(创建) df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns= ...
python replace函数_Pandas DataFrame.replace()用法
本文概述 Pandas replace()是一个非常丰富的函数, 用于从DataFrame替换字符串, 正则表达式, 字典, 列表和序列. DataFrame的值可以动态替换为其他值.它能够使用Pyt ...
python测试自动化封装_python接口自动化学习笔记(封装获取测试数据方法)
本篇文章是接于python接口自动化学习笔记(封装方法用于读取excel) 后的拓展,讲解在封装完成excel的数据读取代码后,如何在data层进行使用首先,我准备了这样一个excel表格用以存储测 ...
python字典按照key排序_python中字典按key值排序的实现方法
之前小编介绍了字典本身不可排序,但按值可以,小编也介绍了按value值排序的三种方法.sorted()函数可以对数字或字符串进行排序,按key排序只是输出的key值的排序列表,使用sorted()函数 ...
python visual studio pandas_pandas DataFrame索引行列的实现
python版本: 3.6 pandas版本: 0.23.4 行索引索引行有三种方法,分别是 loc iloc ix import pandas as pd import numpy as np i ...

python dataframe索引_pandas DataFrame 行列索引及值的获取的方法

python dataframe索引_pandas DataFrame 行列索引及值的获取的方法相关推荐

最新文章

热门文章