pandas行选择小例子10个:
- 选择单个行:
import pandas as pd
# 创建DataFrame
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
# 选择第一行
row = data.iloc[0]
print(row)
输出:
A 1
B 4
C 7
Name: 0, dtype: int64
- 选择多个行:
# 选择第一行和第三行
rows = data.iloc[[0, 2]]
print(rows)
输出:
A B C
0 1 4 7
2 3 6 9
- 根据条件选择行:
# 选择满足条件的行(假设选择'A'列值大于1的行)
conditioned_rows = data[data['A'] > 1]
print(conditioned_rows)
输出:
A B C
1 2 5 8
2 3 6 9
- 选择特定行和列:
# 选择第一行的第二列
specific_value = data.iloc[0, 1]
print(specific_value)
输出:
4
- 选择特定行范围:
# 选择前两行
first_two_rows = data.iloc[:2]
print(first_two_rows)
输出:
A B C
0 1 4 7
1 2 5 8
- 反向选择行:
# 选择倒数第二行
last_row = data.iloc[-2]
print(last_row)
输出:
A 2
B 5
C 8
Name: 1, dtype: int64
- 根据索引标签选择行:
# 设定索引标签
data.set_index('A', inplace=True)
# 根据索引标签选择行
indexed_row = data.loc[2]
print(indexed_row)
输出:
B 5
C 8
Name: 2, dtype: int64
- 随机选择行:
# 随机选择一行
random_row = data.sample()
print(random_row)
输出:
B C
A
2 5 8
- 使用布尔索引选择行:
# 使用布尔索引选择行
boolean_indexed_rows = data[data['B'] > 4]
print(boolean_indexed_rows)
输出:
B C
A
2 5 8
3 6 9
- 选择行并重新设置索引:
# 选择第一行和第三行,并重新设置索引
rows_reset_index = data.iloc[[0, 2]].reset_index(drop=True)
print(rows_reset_index)
输出:
B C
0 4 7
1 6 9
了解更多python项目开发,请关注我:Python提升课堂