Pandas.DataFrame索引概念里的label和position的区别

最新推荐文章于 2022-07-13 17:14:20 发布
最新推荐文章于 2022-07-13 17:14:20 发布
阅读量3.3k 收藏
点赞数 1
分类专栏： # 小白学Python 文章标签： dataframe pandas label position index
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/The_Time_Runner/article/details/104557904
版权

  • 前言

    pandas.DataFrame是矩形格式，为了定位每行、每列、每个元素，可以通过行名列名确定。

    中英文描述性的行名、列名称为label；

    而0,1,2,3,4,5…等数字称为position；

    通过label或position都可以定位元素，但是有些函数在定位时只能用label，有些只能用position。

PerpetualLearner
关注
专栏目录
Pandas笔记 · DataFrame.loc()和DataFrame.iloc()
Laurence的技术博客
12-08 1万+
本文将介绍 DataFrame.loc()和DataFrame.iloc()的各项基本操作。在介绍DataFrame的数据结构时，我们解释过label和position两个概念，这两个概念和loc()与iloc()两个操作息息相关。所以，在介绍这两个操作之前，我们再简单复习一下label和position：label: 对DataFrame的列或行（Index）的名称统称为label position: 对DataFrame的列或行（Index）的排序位置（0，1，2，…)统称为position 相应地：l
Python-Pandas之DataFrame用法总结
热门推荐
MsSpark的博客
10-14 5万+
DataFrame：类似于表的数据结构 本文对Pandas包中二维（多维）数据结构DataFrame的特点和用法进行了总结归纳。 可以参考：pandas用法速览 3.1 增加数据 3.1.1 创建数据框Object Creation import pandas as pd import numpy as np #通过Numpy array来创建数据框 dates=pd.date_range('...
Datafarme 加 label
qq_43114738的博客
03-19 711
Datafarme手动加Label知识积累
Pandas 索引(index)/选取(select)/标签(label)操作
Claroja
05-24 1万+
import pandas as pd df = pd.DataFrame({"学号": [1001,1002,1003,1004,1005], "name": ["A","B","C","D","E"], "生日": ["1990/01/02","1992/02/05","1990/05/06","1991/05/30","
Pandas - 完全基于DataFrame的标签平衡(balance)方法
Mystra
07-13 885
完全基于Pandas - DataFrame的标签平衡(balance)方法：其他，固定值降采样，用于mini数据集，参考： 源码： 测试结果： 参考：
Python - Pandas
weixin_36447711的博客
12-03 1767
一、1.什么是Pandas(Av67831175,P1) 二、Pandas怎样读取数据
kaggle入门之pd.DataFrame
weixin_45209433的博客
01-14 2925
看各种kaggle的代码时，发现pd.DataFrame是常用的数据结构，要想快速浏览、熟练修改各种kaggle代码，首先入门的应该是pd.DataFrame这个结构，下面记录pd.DataFrame常用的几种函数。 1、创建DataFrame import pandas as pd import numpy as np #数据，行名，列名 df1 = pd.DataFrame(np.random.randn(3, 3), index=list('abc'), columns=list('ABC'))
pandas的DataFrame的行列选择
grllery的博客
07-30 8945
Pandas可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。相关函数如下： 1）loc，基于列label，可选取特定行（根据行index）； 2）iloc，基于行/列的position； 3）at，根据指定行index及列label，快速定位DataFrame的元素； 4）iat，与at类似，不同的是根据p...
pandas 每一列画图_pandas.DataFrame.plot( )参数详解
weixin_39620370的博客
01-17 1929
使用DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线，默认按照列columns的名称在适当的位置展示图例，比matplotlib绘制节省时间，且DataFrame格式的数据更规范，方便向量化及计算。DataFrame.plot( )函数：DataFrame.plot(x=None, y=None, kind=‘line‘, ax=None, subplots=False, s...
python数据处理模块pandas_Python 数据处理扩展包： pandas 模块的DataFrame介绍（创建和基本操作）...
weixin_39774445的博客
12-17 432
DataFrame是Pandas中的一个表结构的数据结构，包括三部分信息，表头(列的名称)，表的内容(二维矩阵)，索引(每行一个唯一的标记)。一、DataFrame的创建有多种方式可以创建DataFrame，下面举例介绍。例1： 通过list创建>>> import pandas as pd>>> df = pd.DataFrame([[1,2,3],[4,5,...
pandas显示百分数_Pandas实现DataFrame按行求百分数(比例数)
weixin_39526238的博客
12-22 3107
Pandas实现DataFrame按行求百分数(比例数)简述Motivation一般来说，每个部分的内容数量是较为容易获取的，但比例(百分数)这样的数据是二次数据，这样的操作很常见比例的信息相比于纯粹的数字更体现的整体体系的内部变化迁移的过程Contribution给了实例，follow下就没问题了~Codes导入包的部分，我就不写了哈这里假设每行是属于不同月份的数据>>> df...
Python11--数据分析Pandas库基本概念
晓晓的天空
03-21 628
一，含义 Pandas的名称来自于面板数据（panel data）和Python数据分析（data analysis）。 Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构 和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。 特点： （1）一个强大的分析和操作大型结构化数据集所需的工具集 （2）基础是NumPy，提供了高性能矩阵的运算 （3）提供了大量能够快速便捷地处理数据的函数和方法 （4）应用于数据挖掘，数据分析 （5）提供数
Pandas.DataFrame 的使用方法
Mark_Australia的博客
03-28 9706
DataFrame 的使用方法
pandas中关于DataFrame数据类型超好用的方法
Daisy_Wang777的博客
12-23 6231
本文详细介绍了pandas中关于DataFrame数据类型的常用函数及其使用方法，结合了pandas给出的官方文档，佐以简单示例，万字长文助您一文搞定DataFrame相关的api调用问题。
Pandas(十四)--索引操作
Hanscal
05-07 7372
目录 索引Index 创建索引 设置索引 重置索引 分层索引MultiIndex 创建分层索引 应用分层索引 分层索引切片取值 聚合函数应用 局部索引 行索引层转换为列索引 列索引实现分层 交换层和层排序 索引Index 通过索引(Index)可以从 DataFame 中选择特定的行数和列数，这种选择数据的方式称为“子集选择”。在 Pandas 中，索引值也被称为标签（label），它在 Jupyter 笔记本中以粗体字进行显示。索引可以加快数据访问的速度，它就好比数据的书签，
python中pandas库的作用_python之pandas库详解
weixin_39835158的博客
01-14 5426
pandas 是一个 Python Data Analysis Library.在使用前 import pandas as pd一.创建对象(产生数据)pandas 中有三种基本结构：Series：1D labeled homogeneously-typed arrayDataFrame：General 2D labeled, size-mutable tabular structure with...
pandas.dataframe中根据条件获取元素所在的位置（索引）
fly_Xiaoma的博客
03-29 3万+
在dataframe中根据一定的条件，得到符合要求的某行元素所在的位置。 代码如下所示： df = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]}, index=[10,20,30,40,50]) print(df) a = df[(df.BoolCol==3)&(df.att...
Pandas: Find maximum values & position in columns or rows of a Dataframe求Dataframe中行列的最大值
llrraa2010的专栏
06-20 976
Pandas: Find maximum values & position in columns or rows of a Dataframe求Dataframe中行列的最大值 https://thispointer.com/pandas-find-maximum-values-position-in-columns-or-rows-of-a-dataframe/ df.max(a...
Pandas DataFrame
Claroja
05-24 1万+
http://pandas.pydata.org/pandas-docs/stable/api.html#dataframe 构造函数 方法 描述 DataFrame([data, index, columns, dtype, copy]) 构造数据框 属性和数据 方法 描述 Axes index: row labels
pandas dataframe 按索引选列数
最新发布
08-11
在pandas中，我们可以使用`loc`或`iloc`来根据索引选择列数。 `loc`用于通过标签索引来选择数据。通过使用语法`df.loc[:, 'column_label']`，我们可以选择所有行中的特定列。其中，`:`表示选择所有行，`column_label`表示要选择的列的标签。例如，如果我们有一个名为`df`的DataFrame，并且想要选择名为`column1`的列，我们可以使用`df.loc[:, 'column1']`。 `iloc`用于通过整数位置索引来选择数据。通过使用语法`df.iloc[:, column_position]`，我们可以选择所有行中的特定列。其中，`:`表示选择所有行，`column_position`表示要选择的列的位置索引（从0开始）。例如，如果我们有一个名为`df`的DataFrame，并且想要选择位于第2列（位置索引为1）的列，我们可以使用`df.iloc[:, 1]`。 需要注意的是，`loc`和`iloc`都选择列数，而不是列本身。这意味着选择的结果将是一个Series对象，而不是一个单独的值或DataFrame对象。 综上所述，通过使用`loc`或`iloc`，我们可以根据索引选择DataFrame中的列数。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值