Python数据分析--数据选择

列选择

df
>>>
   编号	性别	注册时间 	年龄
0	A1	男	2018-08-08	54
1	A2	女	2018-08-09	16
2	A3	女	2018-08-10	47
3	A4	男	2018-08-11	41
4	A5	女	2018-08-09	16
5	A1	男	2018-08-08	54

# 直接传入列名
df[['编号','年龄']]
>>>
   编号	年龄
0	A1	54
1	A2	16
2	A3	47
3	A4	41
4	A5	16
5	A1	54

# 位置索引传入列
df.iloc[:,[0,3]]
>>>
   编号	年龄
0	A1	54
1	A2	16
2	A3	47
3	A4	41
4	A5	16
5	A1	54

df.iloc[:,1:3] # 获取第1列到第3列的值
>>>
	性别	注册时间
0	男	2018-08-08
1	女	2018-08-09
2	女	2018-08-10
3	男	2018-08-11
4	女	2018-08-09
5	男	2018-08-08

• iloc的[]中逗号之前的部分表示要获取的行的位置
• 只输入一个冒号，不输入任何数值表示获取所有行
• 逗号之后的[]表示要获取的列的位置

行选择

选择指定的行

• loc方法

pf
>>>
	编号	性别	注册时间	年龄
一	A1	男	2018-08-08	54
二	A2	女	2018-08-09	16
三	A3	女	2018-08-10	47
四	A4	男	2018-08-11	41
四	A5	女	2018-08-09	16
五	A1	男	2018-08-08	54

pf.loc[['一','三']] #选择第一行和第三行
>>>
    编号	性别	注册时间	   年龄
一	A1	男	2018-08-08	54
三	A3	女	2018-08-10	47

• iloc方法

pf.iloc[[0,1]] #选择第一行和第二行
>>>
	编号	性别	注册时间	   年龄
一	A1	男	2018-08-08	54
二	A2	女	2018-08-09	16

pf.iloc[0:3] #选择第一行到第三行
>>>
	编号	性别	注册时间 	年龄
一	A1	男	2018-08-08	54
二	A2	女	2018-08-09	16
三	A3	女	2018-08-10	47

选择满足条件的行

pf[pf['年龄'] > 30]  #选择年龄大于30
>>>
   编号	性别	注册时间	   年龄
一	A1	男	2018-08-08	54
三	A3	女	2018-08-10	47
四	A4	男	2018-08-11	41
五	A1	男	2018-08-08	54

pf [(pf ['年龄'] > 30) & (pf ['注册时间'] < '2018-08-10')]  #选择年龄大于30且注册时间小于2018-08-10
>>>
   编号	性别	注册时间	   年龄
一	A1	男	2018-08-08	54
五	A1	男	2018-08-08	54

行列同时选择

普通索引+普通索引

pf.loc[['一','三'] , ['编号','年龄']]
>>>
   编号	年龄
一	A1	54
三	A3	47

位置索引+位置索引

pf.iloc[[0,1],[0,2]]
>>>
   编号	注册时间
一	A1	2018-08-08
二	A2	2018-08-09

布尔索引+普通索引

pf [pf ['年龄'] > 30] [ ['编号','年龄']]
>>>
   编号	年龄
一	A1	54
三	A3	47
四	A4	41
五	A1	54

切片索引+切片索引

pf.iloc [0:3 , 1:3]
>>>
   性别	注册时间
一	男	2018-08-08
二	女	2018-08-09
三	女	2018-08-10

切片索引+普通索引

pf.ix [0:3 , ['编号' , '年龄']]
>>>
   编号	年龄
一	A1	54
二	A2	16
三	A3	47