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]:
a
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]:
a
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]:
d
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
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 ...
最新文章
- Redis+分布式+设计模式+Spring全家桶+Dubbo阿里P8技术精选文档
- python:关于py文件之间相互import的问题
- spring项目搭建-导包对象准备
- oracle 磁盘不分区吗,LINUX停ORACLE软件、数据文件等所在的磁盘分区空间不足的解决思路...
- app服务器不运行了,springmvc app URL在本地运行,但不在服务器上运行
- 荣耀5G手机加速追赶:最快将于下半年登场
- 随想录(校园招聘记)
- SQL Sever 数据完整性
- 卸载微信重装微信聊天记录
- python 中的self和cls
- 用Python完成毫秒级抢单,助你秒杀淘宝大单
- 包的变量作用域测试说明
- x协议转换器能代替串口服务器,HighTek HU-04-USB-RS485/422 转换器-HighTek RS485转换器|USB转换器|串口服务器|多串口卡|集线器|信号隔离器|光纤收发器...
- Android手机屏幕的三种状态
- 狂神。JavaWeb学习(2)
- android EditText 设置弹出数字输入法键盘
- Keras LSTM教程
- Java导出Excel(Poi详解)
- 双球坐标系_坐标系为啥有多种,笛卡尔坐标系、柱坐标系、球坐标系都有啥区别...
- 环信 “和未来有约”移动IM新时代分享沙龙——做最开源的即时通讯云平台
热门文章
- Django项目--登录判断装饰器
- matlab如何用代码导入文件_20+行Matlab代码实现文件扫描
- python线程状态_Python线程
- Request/Response【学习笔记03】
- require.js用法简介
- 热血街头Java,下载_我爱法语 V3.01 多国语言版_6z6z下载站
- ios把数据传递到另一个页面_IOS 应用之间的跳转和数据传递详解
- 当前系统时间与服务器时间,操作系统时间和服务器时间
- arduino 土壤温湿度传感器_嫌arduino太贵?太大?试试ATTINY85!DIY温湿度计入门级教程...
- 单片机oled显示浮点数函数_问中文编程在单片机上实现一个电子时钟,总共有几步?...