既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
| 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']]
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]]
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']]
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]
# 示例4:获取行标签为 1957 行的所有列的数据
china_df.loc[[1957]]
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']
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]]
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]]
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]]
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]
# 示例4:获取行位置为 1 行的所有列的数据
china_df.iloc[[1]]
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]
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
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]
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
![img](https://img-blog.csdnimg.cn/img_convert/6d5f57fb4d20479a38e05064c2abc6d8.png)
![img](https://img-blog.csdnimg.cn/img_convert/1e21b1f93e26849f8eeede322ce704a3.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
715422357588)]
[外链图片转存中...(img-YOUp3xLa-1715422357588)]
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**