转自博客园 guxh---pandas取值

 

     A    B    C    D

5  A0  B0  C0  D0

6  A1  B1  C1  D1

7  A2  B2  C2  D2

8  A3  B3  C3  D3

 

1，直接中括号[]选取

     df['A']            选择第A列，是一个series，选择多列不能df['A','B']，必须用loc

     df['A'][5]        选择第A列,索引为5的，即A0

     df['A'].iloc[0]  = df['A'].values[0]     选择第A列第1行，即A0   

     df[0:3]           选择前2行，即索引为5和6的行

     df['6':'8']        选择索引为6,7,8的行

 

2，loc获取，通过index或者columns名称选取

     df.loc['5']        索引为5的行 即A0  B0  C0  D0

     df.loc[:,['A','B']]    选择A和B列

     df.loc['5',['A','B']]        索引为5，列号为A和B的数据，可以赋列表

     df.loc['5','A']   访问index为5，columns为A的单元格

     df.at['5','A']   同loc速度快点

     往df里逐行添加内容时，可以用df.loc[index_name] = [list]

     例如：逐行爬取豆瓣电影数据：df.loc[str(len(df)+1)] = [list]，这种方法需要事先确定要columns

 

3，iloc获取，通过行号或者列号选取

     df.iloc[1]       第1行，索引为5的行 即A0  B0  C0  D0

     df.iloc[0:2,0:2]  第1,2行，第1,2列

     df.iloc[1,1]   访问1行1列的单元格

     df.iat[1,1]   同iloc速度快点

     df.iloc[0:-1, 3]  第3列所有数据

 

4，获取索引名

     df.iloc[1].name   获取到第2行的索引名，即6

     可以是index = df[df['A'] == 5].index  # 此时返回的是Int64Index，用此index取数据会取到sereis

     可以是index = df[df['A'] == 5].index.tolist()  # 此时返回的是list，加个[0]后可以取到第一个元素的int

 

5，选择一批行

     list=[6,7]

     df.loc[list]      获取索引为6和7的行

 

6，重新根据index选择数据

    result.reindex(index=list)  

 

新增列：

方法一：.iloc:

1）iloc遍历赋值：如果已经有'A'列，可以用df['A'].iloc[5] = '77' ， 即A列的第6行的值=77

2）iloc遍历赋值没有'A'列时：如果没有'A'列，上述赋值会出错，可以先添加个'A'列，即df['A'] = np.nan，再df['A'].iloc[5] = '77'

方法二：.loc

1）.loc遍历赋值：如果是df.loc[5, 'A'] = 77， 即索引为5，列名为A的，赋值=77，则不管有没有'A'列都能成功，不存在的index和column会自动创建

2）.loc一次性赋值：可以应用布尔series赋给同一个值，例如df.loc[series, 'A'] = 'yes'，即series中是True的，列名为'A'的，就会被赋值为yes

3）.loc一次性赋值：整列赋一个列表，table1_sub.loc[:,'A'] = list  ，直接给A列赋一个列表

方法三：insert

df.insert(0, 'A', listA)，注意list需要与df长度一致

方法四：直接加

1）直接加一列：df['A'] = None，默认是加在最后一列， 如果想加在第一列，可以df.insert(0, 'A', ['']*len(df))

2）直接加多列：df = pd.concat([df, pd.DataFrame(columns=list('DE'))])，列的次序无法指定，并且fillna时会对整个df做出调整

3）直接加多列：df = df.reindex(columns=list('ABCDE'), fill_value=0)，列的次序按照list指定，并且fill_value只对新增列做出调整，推荐！

 

新增行：

.loc：

1）整行赋一个列表：df.loc[index_name] = [list]

 

遍历一个dataframe，又有多个series，需要用到.loc赋值时，可以使用：

for index, element in enumerate(zip(df['a'], df['b'])):

　　df.loc[index, 'A'] = xxx

 

遍历一个dataframe，可以直接使用index配合loc，遍历所有列项：

for index in df.index:

　　df.loc[index, 'A'] ……..