0


Python大数据之pandas快速入门(二)

文章目录

3. DataFrame 的行列标签和行列位置编号

3.1 DataFrame 的行标签和列标签

1)如果所示,分别是 DataFrame 的行标签和列标签

img

2)获取 DataFrame 的行标签

# 获取 DataFrame 的行标签
china.index

img

3)获取 DataFrame 的列标签

# 获取 DataFrame 的列标签
china.columns

img

4)设置 DataFrame 的行标签

# 注意:DataFrame设置行标签时,并不会改变原来的DataFrame,而是返回的副本
china_df = china.set_index('year')

img

3.2 DataFrame 的行位置编号和列位置编号

DataFrame 除了行标签和列标签之外,还具有行列位置编号。

行位置编号:从上到下,第1行编号为0,第二行编号为1,…,第n行编号为n-1

列位置编号:从左到右,第1列编号为0,第二列编号为1,…,第n列编号为n-1

img

注意:默认情况下,行标签和行位置编号是一样的。

4. DataFrame 获取指定行列的数据

以下示例都使用加载的 gapminder.tsv 数据集进行操作,注意将 year 这一列设置为行标签。

img

4.1 loc函数获取指定行列的数据

基本格式
语法说明

df.loc[[行标签1, ...], [列标签1, ...]]

根据行标签和列标签获取对应行的对应 列的数据,结果为:DataFrame

df.loc[[行标签1, ...]]

根据行标签获取对应行的所有列的数据 结果为:DataFrame

df.loc[:, [列标签1, ...]]

根据列标签获取所有行的对应列的数据 结果为:DataFrame

df.loc[行标签]

1)如果结果只有一行,结果为:Series 2)如果结果有多行,结果为:DataFrame

df.loc[[行标签]]

无论结果是一行还是多行,结果为DataFrame

df.loc[[行标签], 列标签]

1)如果结果只有一列,结果为:Series, 行标签作为 Series 的索引标签 2)如果结果有多列,结果为:DataFrame

df.loc[行标签, [列标签]]

1)如果结果只有一行,结果为:Series, 列标签作为 Series 的索引标签 2)如果结果有多行,结果为DataFrame

df.loc[行标签, 列标签]

1)如果结果只有一行一列,结果为单个值 2)如果结果有多行一列,结果为:Series, 行标签作为 Series 的索引标签 3)如果结果有一行多列,结果为:Series, 列标签作为 Series 的索引标签 4)如果结果有多行多列,结果为:DataFrame
演示示例

示例1:获取行标签为 1952, 1962, 1972 行的 country、pop、gdpPercap 列的数据
示例2:获取行标签为 1952, 1962, 1972 行的所有列的数据
示例3:获取所有行的 country、pop、gdpPercap 列的数据
示例4:获取行标签为 1957 行的所有列的数据
示例5:获取行标签为 1957 行的 lifeExp 列的数据

示例实现

1)示例1:获取行标签为 1952, 1962, 1972 行的 country、pop、gdpPercap 列的数据

# 示例1:获取行标签为 1952, 1962, 1972 行的 country、pop、gdpPercap 列的数据
china_df.loc[[1952,1962,1972],['country','pop','gdpPercap']]

img

2)示例2:获取行标签为 1952, 1962, 1972 行的所有列的数据

# 示例2:获取行标签为 1952, 1962, 1972 行的所有列的数据
china_df.loc[[1952,1962,1972]]

img

3)示例3:获取所有行的 country、pop、gdpPercap 列的数据

# 示例3:获取所有行的 country、pop、gdpPercap 列的数据
china_df.loc[:,['country','pop','gdpPercap']]

img

4)示例4:获取行标签为 1957 行的所有列的数据

# 示例4:获取行标签为 1957 行的所有列的数据
china_df.loc[1957]

img

# 示例4:获取行标签为 1957 行的所有列的数据
china_df.loc[[1957]]

img

5)示例5:获取行标签为 1957 行的 lifeExp 列的数据

# 示例5:获取行标签为 1957 行的 lifeExp 列的数据
china_df.loc[[1957],'lifeExp']
或
china_df.loc[1957,['lifeExp']]
或
china_df.loc[1957,'lifeExp']

img

4.2 iloc函数获取指定行列的数据

基本格式
语法说明

df.iloc[[行位置1, ...], [列位置1, ...]]

根据行位置和列位置获取对应行的对应 列的数据,结果为:DataFrame

df.iloc[[行位置1, ...]]

根据行位置获取对应行的所有列的数据 结果为:DataFrame

df.iloc[:, [列位置1, ...]]

根据列位置获取所有行的对应列的数据 结果为:DataFrame

df.iloc[行位置]

结果只有一行,结果为:Series

df.iloc[[行位置]]

结果只有一行,结果为:DataFrame

df.iloc[[行位置], 列位置]

结果只有一行一列,结果为:Series, 行标签作为 Series 的索引标签

df.iloc[行位置, [行位置]]

结果只有一行一列,结果为:Series, 列标签作为 Series 的索引标签

df.iloc[行位置, 行位置]

结果只有一行一列,结果为单个值
演示示例

示例1:获取行位置为 0, 2, 4 行的 0、1、2 列的数据
示例2:获取行位置为 0, 2, 4 行的所有列的数据
示例3:获取所有行的列位置为 0、1、2 列的数据
示例4:获取行位置为 1 行的所有列的数据
示例5:获取行位置为 1 行的列位置为 2 列的数据

示例实现

1)示例1:获取行位置为 0, 2, 4 行的 0、1、2 列的数据

# 示例1:获取行位置为 0, 2, 4 行的 0、1、2 列的数据
china_df.iloc[[0,2,4],[0,1,2]]

img

2)示例2:获取行位置为 0, 2, 4 行的所有列的数据

# 示例2:获取行位置为 0, 2, 4 行的所有列的数据
china_df.iloc[[0,2,4]]

img

3)示例3:获取所有行的列位置为 0、1、2 列的数据

# 示例3:获取所有行的列位置为 0、1、2 列的数据
china_df.iloc[:,[0,1,2]]

img

4)示例4:获取行位置为 1 行的所有列的数据

# 示例4:获取行位置为 1 行的所有列的数据
china_df.iloc[1]

img

# 示例4:获取行位置为 1 行的所有列的数据
china_df.iloc[[1]]

img

5)示例5:获取行位置为 1 行的列位置为 2 列的数据

# 示例5:获取行位置为 1 行的列位置为 2 列的数据
china_df.iloc[[1],2]
或
china_df.iloc[1,[2]]
或
china_df.iloc[1,2]

img

4.3 loc和iloc的切片操作

基本格式
语法说明

df.loc[起始行标签:结束行标签, 起始列标签:结束列标签]

根据行列标签范围获对应行的对应列的数据,包含起始行列标签和结束行列标签

df.iloc[起始行位置:结束行位置, 起始列位置:结束列位置]

根据行列标签位置获对应行的对应列的数据,包含起始行列位置,但不包含结束行列位置
演示示例

示例1:获取 china_df 中前三行的前三列的数据,分别使用上面介绍的loc和iloc实现

img

示例实现

1)示例1:获取 china_df 中前三行的前三列的数据,分别使用上面介绍的loc和iloc实现

# 示例1:获取 china_df 中前三行的前三列的数据,分别使用上面介绍的loc和iloc实现
china_df.loc[1952:1962,'country':'lifeExp']
或
china_df.iloc[0:3,0:3]

img

4.4 [] 语法获取指定行列的数据

基本格式
语法说明

df[['列标签1', '列标签2', ...]]

根据列标签获取所有行的对应列的数据,结果为:DataFrame

df['列标签']

根据列标签获取所有行的对应列的数据 1)如果结果只有一列,结果为:Series, 行标签作为 Series 的索引标签 2)如果结果有多列,结果为:DataFrame

df[['列标签']]

根据列标签获取所有行的对应列的数据,结果为:DataFrame

df[起始行位置:结束行位置]

根据指定范围获取对应行的所有列的数据,不包括结束行位置
演示示例

示例1:获取所有行的 country、pop、gdpPercap 列的数据
示例2:获取所有行的 pop 列的数据
示例3:获取前三行的数据
示例4:从第一行开始,每隔一行获取一行数据,一共获取3行

示例实现

1)示例1:获取所有行的 country、pop、gdpPercap 列的数据

# 示例1:获取所有行的 country、pop、gdpPercap 列的数据
china_df[['country','pop','gdpPercap']]

img

2)示例2:获取所有行的 pop 列的数据

# 示例2:获取所有行的 pop 列的数据
china_df['pop']

img

# 示例2:获取所有行的 pop 列的数据
china_df[['pop']]

img

3)示例3:获取前三行的数据

# 示例3:获取前三行的数据
china_df[0:3]

img

4)示例4:从第一行开始,每隔一行获取一行数据,一共获取3行

# 示例4:从第一行开始,每隔一行获取一行数据,一共获取3行
china_df[0:6:2]

img

总结

  • 能够知道 DataFrame 和 Series 数据结构
  • 能够加载 csv 和 tsv 数据集
  • 能够区分 DataFrame 的行列标签和行列位置编号
  • 能够获取 DataFrame 指定行列的数据 - loc- iloc- loc和iloc的切片操作- []
标签: python 大数据 pandas

本文转载自: https://blog.csdn.net/xianyu120/article/details/133300081
版权归原作者 AI_Maynor 所有, 如有侵权,请联系我们删除。

“Python大数据之pandas快速入门(二)”的评论:

还没有评论