在刚开始使用pandas DataFrame的时候,对于数据的选取,修改和切片经常困惑,这里总结了一些常用的操作。
先初始化一个DateFrame做例子
- import numpy as np
- import pandas as pd
- df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
import numpy as np
import pandas as pd
df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df是这样的
- In [35]: df
- Out[35]:
- name gender age
- 0 Snow M 22
- 1 Tyrion M 32
- 2 Sansa F 18
- 3 Arya F 14
In [35]: df
Out[35]:
name gender age
0 Snow M 22
1 Tyrion M 32
2 Sansa F 18
3 Arya F 14
如果每列都有column name,比如这里是:
- In [42]: df.columns
- Out[42]: Index(['name', 'gender', 'age'], dtype='object')
In [42]: df.columns
Out[42]: Index(['name', 'gender', 'age'], dtype='object')
1. df['column_name'] ,df[row_start_index, row_end_index] 选取指定整列数据
- df['name']
- df['gender']
- df[['name','gender']] #选取多列,多列名字要放在list里
- df[0:] #第0行及之后的行,相当于df的全部数据,注意冒号是必须的
- df[:2] #第2行之前的数据(不含第2行)
- df[0:1] #第0行
- df[1:3] #第1行到第2行(不含第3行)
- df[-1:] #最后一行
- df[-3:-1] #倒数第3行到倒数第1行(不包含最后1行即倒数第1行,这里有点烦躁,因为从前数时从第0行开始,从后数就是-1行开始,毕竟没有-0)
df['name']
df['gender']
df[['name','gender']] #选取多列,多列名字要放在list里
df[0:] #第0行及之后的行,相当于df的全部数据,注意冒号是必须的
df[:2] #第2行之前的数据(不含第2行)
df[0:1] #第0行
df[1:3] #第1行到第2行(不含第3行)
df[-1:] #最后一行
df[-3:-1] #倒数第3行到倒数第1行(不包含最后1行即倒数第1行,这里有点烦躁,因为从前数时从第0行开始,从后数就是-1行开始,毕竟没有-0)
2. loc,在知道列名字的情况下,df.loc[index,column] 选取指定行,列的数据
- # df.loc[index, column_name],选取指定行和列的数据
- df.loc[0,'name'] # 'Snow'
- df.loc[0:2, ['name','age']] #选取第0行到第2行,name列和age列的数据, 注意这里的行选取是包含下标的。
- df.loc[[2,3],['name','age']] #选取指定的第2行和第3行,name和age列的数据
- df.loc[df['gender']=='M','name'] #选取gender列是M,name列的数据
- df.loc[df['gender']=='M',['name','age']] #选取gender列是M,name和age列的数据
# df.loc[index, column_name],选取指定行和列的数据
df.loc[0,'name'] # 'Snow'
df.loc[0:2, ['name','age']] #选取第0行到第2行,name列和age列的数据, 注意这里的行选取是包含下标的。
df.loc[[2,3],['name','age']] #选取指定的第2行和第3行,name和age列的数据
df.loc[df['gender']=='M','name'] #选取gender列是M,name列的数据
df.loc[df['gender']=='M',['name','age']] #选取gender列是M,name和age列的数据
3. iloc,在column name特别长或者index是时间序列等各种不方便输入的情况下,可以用iloc (i = index), iloc完全用数字来定位 iloc[row_index, column_index]
- df.iloc[0,0] #第0行第0列的数据,'Snow'
- df.iloc[1,2] #第1行第2列的数据,32
- df.iloc[[1,3],0:2] #第1行和第3行,从第0列到第2列(不包含第2列)的数据
- df.iloc[1:3,[1,2] #第1行到第3行(不包含第3行),第1列和第2列的数据
df.iloc[0,0] #第0行第0列的数据,'Snow'
df.iloc[1,2] #第1行第2列的数据,32
df.iloc[[1,3],0:2] #第1行和第3行,从第0列到第2列(不包含第2列)的数据
df.iloc[1:3,[1,2] #第1行到第3行(不包含第3行),第1列和第2列的数据
4. ix, ix很强大,loc和iloc的功能都能做到 ix[row_index, column_index]
- df.ix[0,0] #第0行第0列的数据,'Snow'
- df.ix[0,[1,2]] #第0行,第1列和第2列的数据
- df.ix[0:2,[1,2]] #第0行到第2行(包含第3行),第1列和第2列的数据
- df.ix[1,0:2] #第1行,从第0列到第2列(不包含第2列)的数据
df.ix[0,0] #第0行第0列的数据,'Snow'
df.ix[0,[1,2]] #第0行,第1列和第2列的数据
df.ix[0:2,[1,2]] #第0行到第2行(包含第3行),第1列和第2列的数据
df.ix[1,0:2] #第1行,从第0列到第2列(不包含第2列)的数据
切片时,iloc行不含下标上限,loc,ix行包含,列iloc和ix都不含列下标上限