- iloc 从 Pandas DataFrame 的单元中获取价值
- 从 Pandas DataFrame 的单元中获取 iat 和 at 来获取值
- df['col_name'].values[] 从 Pandas DataFrame 的单元格获取值
iloc从Pandas DataFrame的单元中获取值
函数:df.iloc[ 行 ] [ '列名' ] #访问行,然后使用列名访问值
df.iloc[ 行序, 列序 ]
df.iloc[ 行序 ] [列序 ]
举例:
print(df.iloc[2]['price'])
iat和at获取值
iat
和 at
是标量的快速访问方法,可从 Pandas DataFrame
的单元格中获取值。
函数:df.iat[ 行序 , 列序 ]
df.at[ 行序 , '列名' ]
print(df.iat[0,0])
print(df.at[1,'stock'])
为了获得最后一行条目,我们将使用 :
df.at[df.index[-1],'列名']
df.at[df.index[-1],'stock']
df['col_name'].values[ ] 获取单元格的值
将 datafarme
列转换为一维数组,然后访问该数组索引处的值。它返回的不是 pandas.Series
,并且使用起来最简单。
函数:df[ "列名' ].values[ n ] #取出某一列,然后根据行序列进行对第n行取值
print(df['stock'].values[0])
删除DataFrame中某值为NaN所处的行/列
函数:dropna
dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)参数的说明:
axis:默认是0,即删除行。1或者columns则是删除列
how:删除方式。any删除至少有一个NaN的行/列;all删除全部都是NaN的行/列
thresh:阈值,类型为int,删除的行/列中至少含有有 n 个NaN值
subset:列表----columns或者index,只删除指定列/行