Pandas数据截取/选择/切片

原文地址

分类目录——Pandas

• 导入支持包

  import pandas as pd
  import numpy as np
  

• 生成测试数据

  dates = pd.date_range('20200217', periods=6)
  df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates, columns=['A', 'B', 'C', 'D'])
  '''
               A   B   C   D
  2020-02-17   0   1   2   3
  2020-02-18   4   5   6   7
  2020-02-19   8   9  10  11
  2020-02-20  12  13  14  15
  2020-02-21  16  17  18  19
  2020-02-22  20  21  22  23
  '''
  

• 获取一列

  # 获取某列
  print(df['A'])
  # 或
  print(df.A)
  '''
  2020-02-17     0
  2020-02-18     4
  2020-02-19     8
  2020-02-20    12
  2020-02-21    16
  2020-02-22    20
  Freq: D, Name: A, dtype: int32
  '''
  

• 对行进行切片

  # 对行进行切片
  ## 按数字索引
  print(df[0:3])  # 含首不含尾
  '''
              A  B   C   D
  2020-02-17  0  1   2   3
  2020-02-18  4  5   6   7
  2020-02-19  8  9  10  11
  '''
  
  ## 按索引名称
  print(df['20200217':'20200219'])  # 含首也含尾
  '''
              A  B   C   D
  2020-02-17  0  1   2   3
  2020-02-18  4  5   6   7
  2020-02-19  8  9  10  11
  '''
  
  # 如果要获取一行的数据
  print(df['20200218':'20200218'])  # 含首也含尾
  #             A  B  C  D
  # 2020-02-18  4  5  6  7
  print(df[1:2])  # 含首不含尾
  #             A  B  C  D
  # 2020-02-18  4  5  6  7
  

• 通过索引的名称切取DataFrame数据——loc

  # 通过索引名称（loc）获取Dataframe子数据
  ## 取某一行（只能传一行的名称）
  print(df.loc['20200218'])
  '''
  A    4
  B    5
  C    6
  D    7
  Name: 2020-02-18 00:00:00, dtype: int32
  '''
  
  ## 取某行的若干个属性（列）
  print(df.loc['20200218', ['A', 'C', 'D']])
  '''
  A    4
  C    6
  D    7
  Name: 2020-02-18 00:00:00, dtype: int32
  '''
  
  ## 获取所有行的若干属性（列）
  print(df.loc[:,['A','B']])
  #              A   B
  # 2020-02-17   0   1
  # 2020-02-18   4   5
  # 2020-02-19   8   9
  # 2020-02-20  12  13
  # 2020-02-21  16  17
  # 2020-02-22  20  21
  

• 通过索引的序数切取DataFrame数据——iloc

  # 获取序数索引（iloc）获取Dataframe子数据
  print(df.iloc[3,1])     # 获取索引行3列1的值
  # 13
  print('-------------------------------------------')
  print(df.iloc[3:5,1:3])
  # 含首不含尾，其中单一个冒号（:）表示去这一维的所有；-1表示这一维的最后一项；（:3）表示从0到3；（3:）表示从3到最后一项（含）
  '''
               B   C
  2020-02-20  13  14
  2020-02-21  17  18
  '''
  

• 间行、间列切取

  # 离散切取
  print(df.iloc[[1,3,5],1:3])
  '''
               B   C
  2020-02-18   5   6
  2020-02-20  13  14
  2020-02-22  21  22
  '''
  

• 通过条件筛选切取

  # 还可以通过删选切取
  print(df[df.A>8])
  '''
               A   B   C   D
  2020-02-20  12  13  14  15
  2020-02-21  16  17  18  19
  2020-02-22  20  21  22  23
  '''
  

• 参考文献

  代码主要来自 Pandas 选择数据，略有改动