溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“Pandas怎么通過index選擇并獲取行和列”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Pandas怎么通過index選擇并獲取行和列”吧!
通過指定pandas.DataFrame和pandas.Series的index（下標），可以選擇和獲取行/列或元素的值。根據[]中指定的值的類型，可以獲取的數據會有所不同。
將描述以下內容。
獲取pandas.DataFrame的列
列名稱：將單個列作為pandas.Series獲得
列名稱的列表：將單個或多個列作為pandas.DataFrame獲得
獲取pandas.DataFrame的行
行名?行號的切片：將單行或多行作為pandas.DataFrame獲得
獲取pandas.Series的值
標簽名稱：獲取每種類型的單個元素的值
標簽名稱/編號列表：將單個或多個元素的值作為pandas.Series獲得
標簽名稱/數字切片：將單個元素或多個元素的值作為pandas.Series獲得
獲取pandas.DataFrame元素的值
行名/列名是整數值時的注意事項
在pandas.DataFrame的情況下，如果您不習慣該規范，則會感到困惑，例如，獲取列作為列表，獲取行作為切片。通過使用at，iat，loc和iloc，可以更清楚地選擇范圍。您還可以使用pandas.DataFrame，切片列提取元素值，并按行名/行號或列表選擇行。
請參閱以下文章。
Pandas獲取和修改任意位置的值（at,iat,loc,iloc）
在此示例代碼中，read_csv讀取并使用以下csv數據。
import pandas as pd
df = pd.read_csv('./data/28/sample_pandas_normal.csv', index_col=0)
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57還可以使用set_index（）將現有的DataFrame列指定為索引。
Pandas.DataFrame,重置列的行名(set_index）
如果僅在[]中指定列名（列標簽），則將提取所選列并將其作為pandas.Series獲取。
print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>
如果指定列名列表，則將提取選定的多個列并將其檢索為pandas.DataFrame。
print(df[['age', 'point']]) print(type(df[['age', 'point']])) # age point # name # Alice 24 64 # Bob 42 92 # Charlie 18 70 # Dave 68 70 # Ellen 24 88 # Frank 30 57 # <class 'pandas.core.frame.DataFrame'>
即使在具有一個元素的列表的情況下，它也成為pandas.DataFrame的一列。不是pandas.Series。
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'>
如果是切片，它將是一個空的pandas.DataFrame。因為切片被視為行規范（請參見下文）。
print(df['age':'point']) # Empty DataFrame # Columns: [age, state, point] # Index: []
也可以使用loc進行列切片。另外，如果使用iloc，則可以按列號而不是列名（列標簽）指定。有關詳細信息，請參見以下文章。
Pandas獲取和修改任意位置的值（at,iat,loc,iloc
print(df.loc[:, 'age':'point']) print(type(df.loc[:, 'age':'point'])) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [0, 2]]) print(type(df.iloc[:, [0, 2]])) # age point # name # Alice 24 64 # Bob 42 92 # Charlie 18 70 # Dave 68 70 # Ellen 24 88 # Frank 30 57 # <class 'pandas.core.frame.DataFrame'>
如果在[]中指定切片，則可以提取并獲取相應范圍內的多行作為pandas.DataFrame。
print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'>
可以指定一個負值或指定一個步驟，例如start：stop：step。您可以提取并獲得奇數或偶數行。
print(df[:-3]) print(type(df[1:-3])) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # <class 'pandas.core.frame.DataFrame'> print(df[::2]) print(type(df[::2])) # age state point # name # Alice 24 NY 64 # Charlie 18 CA 70 # Ellen 24 CA 88 # <class 'pandas.core.frame.DataFrame'> print(df[1::2]) print(type(df[1::2])) # age state point # name # Bob 42 CA 92 # Dave 68 TX 70 # Frank 30 NY 57 # <class 'pandas.core.frame.DataFrame'>
如果它不是切片，則它是無用的；如果直接指定行號，則會發生錯誤。
# print(df[1]) # KeyError: 1
即使只選擇了一行，您也可以獲得pandas.DataFrame。它不會成為pandas.Series。
print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'> print(df['Bob':'Ellen']) print(type(df['Bob':'Ellen'])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # <class 'pandas.core.frame.DataFrame'>
如果使用loc或iloc，則可以為一行單獨指定行名和行號，并將其獲取為pandas.Series，也可以在列表中選擇多行。
print(df.loc['Bob']) print(type(df.loc['Bob'])) # age 42 # state CA # point 92 # Name: Bob, dtype: object # <class 'pandas.core.series.Series'> print(df.loc[['Bob', 'Ellen']]) print(type(df.loc[['Bob', 'Ellen']])) # age state point # name # Bob 42 CA 92 # Ellen 24 CA 88 # <class 'pandas.core.frame.DataFrame'> print(df.iloc[[1, 4]]) print(type(df.iloc[[1, 4]])) # age state point # name # Bob 42 CA 92 # Ellen 24 CA 88 # <class 'pandas.core.frame.DataFrame'>
以以下pandas.Series為例。
s = df['age'] print(s) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64
如果標簽名稱/編號是獨立指定的，則可以按原樣獲得該值。如果是數字，則可以從末尾開始使用負值指定位置。 -1是結尾（最后一個）。
也可以在后面指定標簽名稱，就像pandas.DataFrame的列名稱規范一樣。但是，請注意，如果列名與現有方法名或屬性名重疊，則將優先使用。
print(s[3]) print(type(s[3])) # 68 # <class 'numpy.int64'> print(s['Dave']) print(type(s['Dave'])) # 68 # <class 'numpy.int64'> print(s[-1]) print(type(s[-1])) # 30 # <class 'numpy.int64'> print(s.Dave) print(type(s.Dave)) # 68 # <class 'numpy.int64'>
標簽名稱/編號列表：將單個或多個元素的值作為pandas.Series獲得
在列表的情況下，可以將多個選定的值作為pandas.Series獲得。
print(s[[1, 3]]) print(type(s[[1, 3]])) # name # Bob 42 # Dave 68 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> print(s[['Bob', 'Dave']]) print(type(s[['Bob', 'Dave']])) # name # Bob 42 # Dave 68 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>
對于具有1個元素的列表，它是pandas.Series，具有1個元素，而不是元素本身。
print(s[[1]]) print(type(s[[1]])) # name # Bob 42 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> print(s[['Bob']]) print(type(s[['Bob']])) # name # Bob 42 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>
在切片的情況下，可以將多個選定值作為pandas.Series獲得。如果是標簽名稱的一部分，則還會選擇停止線。
print(s[1:3]) print(type(s[1:3])) # name # Bob 42 # Charlie 18 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> print(s['Bob':'Dave']) print(type(s['Bob':'Dave'])) # name # Bob 42 # Charlie 18 # Dave 68 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>
當選擇一個元件，它變得與pandas.Series一種元素。
print(s[1:2]) print(type(s[1:2])) # name # Bob 42 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> print(s['Bob':'Bob']) print(type(s['Bob':'Bob'])) # name # Bob 42 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>
通過從pandas.DataFrame中提取pandas.Series，然后從該pandas.Series中選擇并獲取值，可以從pandas.DataFrame中獲取元素值。
print(df['age']['Alice']) # 24
還可以組合切片和列表以提取任何范圍。
print(df['Bob':'Dave'][['age', 'point']]) # age point # name # Bob 42 92 # Charlie 18 70 # Dave 68 70
但是，這種重復索引引用（[…]）的方法稱為鏈式索引，因此不建議使用，因為在為選擇分配值時可能發生SettingWithCopyWarning。 …
可以使用at，iat，loc和iloc一次指定行和列。這是優選的。
print(df.at['Alice', 'age']) # 24 print(df.loc['Bob':'Dave', ['age', 'point']]) # age point # name # Bob 42 92 # Charlie 18 70 # Dave 68 70
在到目前為止的示例中，行名/列名是字符串，但是當行名/列名是整數值時要小心。
以下面的pandas.DataFrame為例。
df = pd.DataFrame([[0, 10, 20], [30, 40, 50], [60, 70, 80]], index=[2, 0, 1], columns=[1, 2, 0]) print(df) # 1 2 0 # 2 0 10 20 # 0 30 40 50 # 1 60 70 80
在[標量值]和[列表]的情況下，指定的值被視為列名。
print(df[0]) # 2 20 # 0 50 # 1 80 # Name: 0, dtype: int64 print(df[[0, 2]]) # 0 2 # 2 20 10 # 0 50 40 # 1 80 70
對于“切片”，將指定的值視為行號，而不是行名。負值也可以使用。 打印（df [：2]）
print(df[:2]) # 1 2 0 # 2 0 10 20 # 0 30 40 50 print(df[-2:]) # 1 2 0 # 0 30 40 50 # 1 60 70 80
使用loc（行名）iloc（行號）來明確指定它是行名還是行號。
print(df.loc[:2]) # 1 2 0 # 2 0 10 20 print(df.iloc[:2]) # 1 2 0 # 2 0 10 20 # 0 30 40 50 s = df[2] print(s) # 2 10 # 0 40 # 1 70 # Name: 2, dtype: int64
pandas.Series認為指定的值是標簽名稱而不是數字。
print(s[0]) # 40
使用at和iat可以清楚地指定標簽名稱或編號。 loc和iloc很好，但是at和iat更快。
print(s.at[0]) # 40 print(s.iat[0]) # 10
特別要注意的是，如果嘗試獲取最后一個值并嘗試獲取[-1]，它將被視為對名為-1的標簽的值的選擇。確定，如果您使用iat。
# print(s[-1]) # KeyError: -1 print(s.iat[-1]) # 70
這樣，當行名和列名是整數值時，最好使用at，iat，loc和iloc以避免混淆。
到此，相信大家對“Pandas怎么通過index選擇并獲取行和列”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
