pandas行选择10个小例子

pandas行选择小例子10个：

1. 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

2. 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

3. 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

4. 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

5. 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

6. 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

7. 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

8. 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

9. 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

10. 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