ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

DataFrame(5):DataFrame元素的获取方式(很重要)

2020-02-03 16:35:53  阅读:362  来源: 互联网

标签:广水 df 元素 DataFrame 获取 80 display 地区


1、学习DataFrame元素获取,需要掌握以下几个需求

  • 访问一列 或 多列
  • 访问一行 或 多行
  • 访问某个值
  • 访问某几行中的某几列
  • 访问某几列中的某几行

2、构造一个DataFrame

df = pd.DataFrame(np.random.randint(70,100,(4,5)), 
                  index=["地区1", "地区2", "地区3","地区4"], 
                  columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

结果如下:
在这里插入图片描述
注意:不管是单独获取到一行、还是一列,得到的都是一个Series。不管是单独获取到多行、还是多列,得到的都是一个DataFrame。

x = df["广水"]
display(x)
display(type(x))

y = df.loc["地区1"]
display(y)
display(type(y))

结果如下:
在这里插入图片描述
总结如下:当获取DataFrame中的一列、多列的时候,可以直接传入单索引、数组索引。但是涉及获取行的时候,就不能使用这种方式,必须使用loc或者iloc的方式。

3、访问一列或多列:传入单个标签或标签数组

df = pd.DataFrame(np.random.randint(70,100,(4,5)), 
                  index=["地区1", "地区2", "地区3","地区4"], 
                  columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

# 访问一列
x = df["武汉"]
display(x)

# 访问多列
y = df[["武汉","天门"]]
display(y)

结果如下:
在这里插入图片描述

4、访问一行或者多行:loc中传入标签索引、iloc中传入位置索引、切片方式、布尔数组方式

  特别说明:“访问行”唯独不能使用类似df[0],df[[0,1]],df[“地区1”],df[[“地区1”,“地区2”]]这样的方式。

① loc标签索引
df = pd.DataFrame(np.random.randint(70,100,(4,5)), 
                  index=["地区1", "地区2", "地区3","地区4"], 
                  columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

x1 = df.loc["地区1"]
display(x1)

x2 = df.loc[["地区1","地区2"]]
display(x2)

结果如下:
在这里插入图片描述

② iloc位置索引
df = pd.DataFrame(np.random.randint(70,100,(4,5)), 
                  index=["地区1", "地区2", "地区3","地区4"], 
                  columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

x3 = df.iloc[0]
display(x3)

x4 = df.iloc[[0,3]]
display(x4)

结果如下:
在这里插入图片描述

③ 切片方式:这种方式容易忽略,也容易弄错
df[0:2]
df[1:]

结果如下:
在这里插入图片描述

④ 布尔数组方式
df = pd.DataFrame(np.random.randint(70,100,(4,5)), 
                  index=["地区1", "地区2", "地区3","地区4"], 
                  columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

y = df[df["武汉"] >= 80]
display(y)

结果如下:
在这里插入图片描述

5、访问某个值

如果说要访问上述数据框DataFrame中的95,应该怎么做呢?
在这里插入图片描述

① 先访问“地区3”这一行,再访问95这个数据
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.loc["地区3"]
df.loc["地区3"].loc["黄冈"]

结果如下:
在这里插入图片描述

② 先访问“黄冈”这一列,再访问95这个数据
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df["黄冈"]
df["黄冈"].loc["地区3"]

结果如下:
在这里插入图片描述

③ 向loc中传入数据的标签坐标、向iloc中传入数据的位置坐标(最常用)
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.loc["地区3","黄冈"]
df.iloc[2,2]

结果如下:
在这里插入图片描述

④ 向at中传入数据的标签坐标、向iat中传入数据的位置标签
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.at["地区3","黄冈"]
df.iat[2,2]

结果如下:
在这里插入图片描述

6、访问某几行中的某几列

df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

# 先获取行,再获取列
df.loc[["地区1","地区3"]][["武汉","广水"]]

结果如下:
在这里插入图片描述

7、访问某几列中的某几行

df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

# 先获取列,再获取行
df[["武汉","广水"]].loc[["地区1","地区3"]]

结果如下:
在这里插入图片描述

8、获取多行多列常用的一种方式:iloc+切片、loc+标签数组

① 获取多行多列:iloc+切片
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.iloc[:3,:]
display(x)

结果如下:
在这里插入图片描述

② 获取多行多列:loc+标签数组
df = pd.DataFrame({"武汉":[78,99,81,77],
                   "天门":[74,97,96,97],
                   "黄冈":[77,80,95,84],
                   "孝感":[92,84,75,80],
                   "广水":[85,85,72,74]}, 
                  index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.loc[["地区1","地区3"],['武汉','天门','黄冈','孝感','广水']]
display(x)

结果如下:
在这里插入图片描述

Huang supreme 发布了58 篇原创文章 · 获赞 74 · 访问量 1万+ 私信 关注

标签:广水,df,元素,DataFrame,获取,80,display,地区
来源: https://blog.csdn.net/weixin_41261833/article/details/104158011

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有