python dataframe 列_python pandas库中DataFrame对行和列的操作实例讲解

用pandas中的DataFrame时选取行或列：

import numpy as np

import pandas as pd

from pandas import Sereis, DataFrame

ser = Series(np.arange(3.))

data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))

data['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型

data.w #选择表格中的'w'列，使用点属性,返回的是Series类型

data[['w']] #选择表格中的'w'列，返回的是DataFrame类型

data[['w','z']] #选择表格中的'w'、'z'列

data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后

data[1:2] #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，

#如果采用data[1]则报错

data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同

data['a':'b'] #利用index值进行切片，返回的是**前闭后闭**的DataFrame,

#即末端是包含的

data.irow(0) #取data的第一行

data.icol(0) #取data的第一列

data.head() #返回data的前几行数据，默认为前五行，需要前十行则data.head(10)

data.tail() #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)

ser.iget_value(0) #选取ser序列中的第一个

ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。

data.iloc[-1] #选取DataFrame最后一行，返回的是Series

data.iloc[-1:] #选取DataFrame最后一行，返回的是DataFrame

data.loc['a',['w','x']] #返回‘a'行'w'、'x'列，这种用于选取行索引列索引已知

data.iat[1,1] #选取第二行第二列，用于已知行、列位置的选取。

下面是简单的例子使用验证：

import pandas as pd

from pandas import Series, DataFrame

import numpy as np

data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])

data

Out[7]:

a b c d e

one 0 1 2 3 4

two 5 6 7 8 9

three 10 11 12 13 14

#对列的操作方法有如下几种

data.icol(0) #选取第一列

E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]

# -*- coding: utf-8 -*-

Out[35]:

one 0

two 5

three 10

Name: a, dtype: int32

data['a']

Out[8]:

one 0

two 5

three 10

Name: a, dtype: int32

data.a

Out[9]:

one 0

two 5

three 10

Name: a, dtype: int32

data[['a']]

Out[10]:

one 0

two 5

three 10

data.ix[:,[0,1,2]] #不知道列名只知道列的位置时

Out[13]:

a b c

one 0 1 2

two 5 6 7

three 10 11 12

data.ix[1,[0]] #选择第2行第1列的值

Out[14]:

a 5

Name: two, dtype: int32

data.ix[[1,2],[0]] #选择第2,3行第1列的值

Out[15]:

two 5

three 10

data.ix[1:3,[0,2]] #选择第2-4行第1、3列的值

Out[17]:

a c

two 5 7

three 10 12

data.ix[1:2,2:4] #选择第2-3行，3-5（不包括5）列的值

Out[29]:

c d

two 7 8

data.ix[data.a>5,3]

Out[30]:

three 13

Name: d, dtype: int32

data.ix[data.b>6,3:4] #选择'b'列中大于6所在的行中的第4列，有点拗口

Out[31]:

three 13

data.ix[data.a>5,2:4] #选择'a'列中大于5所在的行中的第3-5（不包括5）列

Out[32]:

c d

three 12 13

data.ix[data.a>5,[2,2,2]] #选择'a'列中大于5所在的行中的第2列并重复3次

Out[33]:

c c c

three 12 12 12

#还可以行数或列数跟行名列名混着用

data.ix[1:3,['a','e']]

Out[24]:

a e

two 5 9

three 10 14

data.ix['one':'two',[2,1]]

Out[25]:

c b

one 2 1

two 7 6

data.ix[['one','three'],[2,2]]

Out[26]:

c c

one 2 2

three 12 12

data.ix['one':'three',['a','c']]

Out[27]:

a c

one 0 2

two 5 7

three 10 12

data.ix[['one','one'],['a','e','d','d','d']]

Out[28]:

a e d d d

one 0 4 3 3 3

#对行的操作有如下几种：

data[1:2] #（不知道列索引时）选择第2行，不能用data[1]，可以用data.ix[1]

Out[18]:

a b c d e

two 5 6 7 8 9

data.irow(1) #选取第二行

Out[36]:

a 5

b 6

c 7

d 8

e 9

Name: two, dtype: int32

data.ix[1] #选择第2行

Out[20]:

a 5

b 6

c 7

d 8

e 9

Name: two, dtype: int32

data['one':'two'] #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。

Out[22]:

a b c d e

one 0 1 2 3 4

two 5 6 7 8 9

data.ix[1:3] #选择第2到4行，不包括第4行，即前闭后开区间。

Out[23]:

a b c d e

two 5 6 7 8 9

three 10 11 12 13 14

data.ix[-1:] #取DataFrame中最后一行，返回的是DataFrame类型,**注意**这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`data.irow(-1)`--返回Series类型

Out[11]:

a b c d e

three 10 11 12 13 14

data[-1:] #跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型

Out[12]:

a b c d e

three 10 11 12 13 14

data.ix[-1] #取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用

Out[13]:

a 10

b 11

c 12

d 13

e 14

Name: three, dtype: int32

data.tail(1) #返回DataFrame中的最后一行

data.head(1) #返回DataFrame中的第一行

最近处理数据时发现当pd.read_csv()数据时有时候会有读取到未命名的列，且该列也用不到，一般是索引列被换掉后导致的，有强迫症的看着难受，这时候dataframe.drop([columns,])是没法处理的，怎么办呢，

最笨的方法是直接给列索引重命名：

data6

Unnamed: 0 high symbol time

date

2016-11-01 0 3317.4 IF1611 18:10:44.8

2016-11-01 1 3317.4 IF1611 06:01:04.5

2016-11-01 2 3317.4 IF1611 07:46:25.5

2016-11-01 3 3318.4 IF1611 09:30:04.0

2016-11-01 4 3321.8 IF1611 09:31:04.0

data6.columns = list('abcd')

data6

a b c d

date

2016-11-01 0 3317.4 IF1611 18:10:44.8

2016-11-01 1 3317.4 IF1611 06:01:04.5

2016-11-01 2 3317.4 IF1611 07:46:25.5

2016-11-01 3 3318.4 IF1611 09:30:04.0

2016-11-01 4 3321.8 IF1611 09:31:04.0

重新命名后就可以用dataframe.drop([columns])来删除了，当然不用我这样全部给列名替换掉了，可以只是改变未命名的那个列，然后删除。不过这个用起来总是觉得有点low，有没有更好的方法呢，有，可以不去删除，直接：

data7 = data6.ix[:,1:]

这样既不改变原有数据，也达到了删除神烦列，当然我这里时第0列删除，可以根据实际选择所在的列删除之，至于这个原理，可以看下前面的对列的操作。

以上这篇python pandas库中DataFrame对行和列的操作实例讲解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

python dataframe 列_python pandas库中DataFrame对行和列的操作实例讲解相关推荐

8、Python 机器学习基础知识Pandas库中的DataFrom（二）
DataFrom DataFrame 是一种二维的数据结构,非常接近于电子表格或者类似 mysql 数据库的形式.它的竖行称之为 columns,横行跟前面的 Series 一样,称之为 index, ...
python随机库函数_python标准库中的随机分布函数
random.random() 返回一个随机的浮点数, 值域为 [0.0, 1.0] random.uniform(a, b) 均匀分布返回一个随机的浮点数N, N的值在a与b之间等同于 a + ...
pandas生成新的累加数据列、pandas生成新的累加数据列（数据列中包含NaN的情况）、pandas计算整个dataframe的所有数据列的累加
pandas生成新的累加数据列.pandas生成新的累加数据列(数据列中包含NaN的情况).pandas计算整个dataframe的所有数据列的累加目录
python中isnull_Python pandas库中的isnull()详解
问题描述 python的pandas库中有一个十分便利的isnull()函数,它可以用来判断缺失值,我们通过几个例子学习它的使用方法. 首先我们创建一个dataframe,其中有一些数据为缺失值. i ...
pandas打印全部列_python——pandas练习题1-5
练习1-开始了解你的数据探索Chipotle快餐数据相应数据集:chipotle.tsv import pandas as pd chipo=pd.read_csv("exercise_ ...
python数据分析的钥匙——pandas库
目录系列文章目录一. 关于pandas库: 二. pandas库的安装三. pandas的两种基本数据结构--Series 与 DataFrame(附代码) 四. pandas库的应用(附代码) ...
利用pandas库中的read_html方法快速抓取网页中常见的表格型数据
利用pandas库中的read_html方法快速抓取网页中常见的表格型数据本文转载自:https://www.makcyun.top/web_scraping_withpython2.html 需要 ...
python数据分析与展示--Pandas库入门
一.Pandas库的引用 Pandas是python第三方库,通过了高性能易用的数据类型和分析工具;Pandas库包含了Series,DataFrame两个数据类型,基于这两个数据类型可以实现基本,运 ...
pandas库中unique函数方法
pandas库中unique方法 (1)函数介绍 unique方法可以进行对于一列数据进行去重,并返回所有不同的值.如我们对数据集的标签页进行使用该函数,就可以输出一共有多少种标签类型. (2)代码 ...

python dataframe 列_python pandas库中DataFrame对行和列的操作实例讲解

python dataframe 列_python pandas库中DataFrame对行和列的操作实例讲解相关推荐

最新文章

热门文章