Pandas数据处理（取数/删除NaN)

1. iloc 从 Pandas DataFrame 的单元中获取价值
2. 从 Pandas DataFrame 的单元中获取 iat 和 at 来获取值
3. 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