DataFrame对行列的基本操作实战_dataframe第一列怎么表示-CSDN博客

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame

ser = Series(np.arange(3.))

data = DataFrame(np.arange(16).reshape(4,4),index=list(‘abcd’),columns=list(‘wxyz’))

data[‘w’] #选择表格中的’w’列，使用类字典属性,返回的是Series类型

data.w #选择表格中的’w’列，使用点属性,返回的是Series类型

data[[‘w’]] #选择表格中的’w’列，返回的是DataFrame类型

data[[‘w’,‘z’]] #选择表格中的’w’、'z’列

data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后

data[1:2] #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，
#如果采用data[1]则报错

data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同

data[‘a’:‘b’] #利用index值进行切片，返回的是前闭后闭的DataFrame,
#即末端是包含的
data.irow(0) #取data的第一行
data.icol(0) #取data的第一列

data.head() #返回data的前几行数据，默认为前五行，需要前十行则data.head(10)
data.tail() #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)

ser.iget_value(0) #选取ser序列中的第一个
ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。

data.iloc[-1] #选取DataFrame最后一行，返回的是Series
data.iloc[-1:] #选取DataFrame最后一行，返回的是DataFrame

data.loc[‘a’,[‘w’,‘x’]] #返回‘a’行’w’、'x’列，这种用于选取行索引列索引已知

data.iat[1,1] #选取第二行第二列，用于已知行、列位置的选取。

import pandas as pd
import numpy as np

构建一个3*5的矩阵

data = pd.DataFrame(np.arange(1, 31, 2).reshape(3, 5),
index=[‘one’, ‘two’, ‘three’], columns=[‘a’, ‘b’, ‘c’, ‘d’, ‘e’])
print(‘index’, data.index)
print(‘data’, data)
‘’’
index Index([‘one’, ‘two’, ‘three’], dtype=‘object’)
data a b c d e
one 1 3 5 7 9
two 11 13 15 17 19
three 21 23 25 27 29
‘’’

对列的操作如下：

获取某一列

col_a = data.get(‘a’)
col_a = data.a
col_a = data[‘a’]
print(‘col_a’, type(col_a), col_a)
col_a = data[[‘a’]]
print(‘col_a’, type(col_a), col_a)
‘’’
col_a <class ‘pandas.core.series.Series’>
one 1
two 11
three 21
Name: a, dtype: int32
col_a <class ‘pandas.core.frame.DataFrame’>
a
one 1
two 11
three 21
‘’’

cols = data.ix[:, [0, 1, 2]] # 不知道列名只知道列的位置
print(“cols1”,cols)
cols = data.ix[1, [0]] # 选择第2行第1列的值
print(“cols2”,type(cols), cols)
cols = data.ix[1, 0]
print(“cols3”,type(cols), cols)
‘’’
cols1
a b c
one 1 3 5
two 11 13 15
three 21 23 25
cols2 <class ‘pandas.core.series.Series’>
a 11
Name: two, dtype: int32
cols3 <class ‘numpy.int32’> 11
‘’’
cols = data.ix[[1, 2], [0]] # 选择第2,3行第1列的值
print(“cols4”,type(cols), cols)
cols = data.ix[0:2, [0, 2]] # 选择第1-2行第1、3列的值,不包括2行
print(“cols5”,type(cols), cols)
cols = data.ix[1:2, 2:4] # 选择第2-3行，3-5（不包括5）列的值
print(“cols6”,type(cols), cols)
cols = data.ix[data.a > 5, 3] # 第1列中大于5所在的行第4列的值
print(“cols7”,type(cols), cols)
‘’’
cols4 <class ‘pandas.core.frame.DataFrame’>
a
two 11
three 21
cols5 <class ‘pandas.core.frame.DataFrame’>
a c
one 1 5
two 11 15
cols6 <class ‘pandas.core.frame.DataFrame’>
c d
two 15 17
cols7 <class ‘pandas.core.series.Series’>
two 17
three 27
Name: d, dtype: int32
‘’’

cols = data.ix[1:3,[‘a’,‘b’]] # 还可以行数或列数跟行名列名混着用
print(“cols8”,type(cols), cols)

cols = data.ix[‘one’:‘two’,[0,1]] # 索引跟列用法类似，但包含开始、结束
print(“cols9”,type(cols), cols)

cols = data.ix[[‘one’,‘three’],[2,2]] # 索引跟列用法类似
print(“cols10”,type(cols), cols)
‘’’
cols8 <class ‘pandas.core.frame.DataFrame’>
a b
two 11 13
three 21 23
cols9 <class ‘pandas.core.frame.DataFrame’>
a b
one 1 3
two 11 13
cols10 <class ‘pandas.core.frame.DataFrame’>
c c
one 5 5
three 25 25
‘’’

参考：https://www.cnblogs.com/hdulzt/p/7067187.html