pandas 索引

最新推荐文章于 2023-06-11 18:43:21 发布
最新推荐文章于 2023-06-11 18:43:21 发布
阅读量465 收藏 4
点赞数
分类专栏： Pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43192537/article/details/104735439
版权

目录

取列最常用的方法

在这里插入图片描述

1. 取单列-series

在这里插入图片描述

2. 取单列-df

在这里插入图片描述

3. 取不连续的多列

在这里插入图片描述

pandas loc方法的使用

通过标签来获得

1. 取点
取单点

在这里插入图片描述

取不连续的多个点

有点像笛卡尔集
在这里插入图片描述

2. 取行
取单行-series

在这里插入图片描述

取单行-df

在这里插入图片描述

取不连续的多行

在这里插入图片描述

取连续的多行

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

3. 取列
取单列-series

在这里插入图片描述

取单列-df

在这里插入图片描述

取不连续的多列

在这里插入图片描述

取连续的多列

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

4. 取行和列
取连续的多行和不连续的多列

在这里插入图片描述

取连续的多行和连续的多列

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

pandas iloc方法的使用

通过位置来获取

5. 取点
取单点

在这里插入图片描述

取不连续的点

在这里插入图片描述

6. 取行
取单行-series

在这里插入图片描述

取单行-df

在这里插入图片描述

取不连续的多行

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

取连续的多行

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

7. 取列
取单列-series

在这里插入图片描述

取单列-df

在这里插入图片描述

取不连续的多列

在这里插入图片描述

取连续的多列

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

8. 取多行和多列
取不连续的多行和不连续的多列

在这里插入图片描述

取不连续的多行和连续的多列

原df为a,如下图
在这里插入图片描述

在这里插入图片描述

pandas 复合索引
复合索引的创建
import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(0,150,size = (6,3)),
               columns=['Python','Math','En'],
               index=pd.MultiIndex.from_product([['张三','李四','王五'],['期中','期末']]))

原df
在这里插入图片描述

取值
df.loc()

想要取连续的行，必须先要对行索引进行排序，有点麻烦，这里不在给出。但是这里给出iloc()方法来取连续的多行

取不连续的多个人

原df
在这里插入图片描述

在这里插入图片描述

取王五的成绩 取王五的期末成绩 取王五的期末的Math成绩-series

原df
在这里插入图片描述
在这里插入图片描述

取王五的成绩 取王五的期末成绩 取王五的期末的Math成绩-df

在这里插入图片描述

df.iloc()

原df
在这里插入图片描述
在这里插入图片描述
iloc的其它操作有点复杂，不在演示

df.swaplevel() 交换索引

原df
在这里插入图片描述
在这里插入图片描述

塞上江南o
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python 中pandas索引切片读取数据缺失数据处理问题
09-18
pandas是一个Python软件包，提供快速，灵活和富于表现力的数据结构，旨在使使用“关系”或“标记”数据既简单又直观。这篇文章主要介绍了pandas索引切片读取数据缺失数据处理,需要的朋友可以参考下
python入门——DataFrame创建和索引
weixin_49249463的博客
11-06 1万+
DataFrame是Pandas中常用的数据结构，即表示矩阵的数据表，包含已排序的列集合，既有行索引又有列索引。使用前需先导入pandas(import pandas as pd)。
第三章. Pandas入门—索引设置
weixin_45116749的博客
11-09 4888
第三章. Pandas入门—索引设置
pandas的dataframe行列索引方法与查询
rouge_eradiction的博客
09-14 5万+
dataframe的行索引方法有三种，分别为loc，iloc,ix loc loc是基于行索引，或者说是行的名称进行索引的 iloc iloc是根据行的序列数索引的，序列数从0开始取，iloc前面的i就好像是在提醒你，他的输入参数是常数。 ix ix是前两者的混合，输入任何一种都可以。 ...
DataFrame索引的创建和基本用法
weixin_45499440的博客
10-25 9773
pandas 笔记003 目录pandas 笔记003三、DataFrame索引的创建和基本用法1.DataFrame索引的创建1.1 字典类构造dataframe1.1.1 数组、列表或元组构成的字典构造dataframe1.1.2 Series构成的字典构造dataframe1.1.3 字典构成的字典构造dataframe(字典嵌套)1.2 列表类构造dataframe1.2.1 通过 2D ndarray(二维数组) 构造dataframe1.2.2 字典构成的列表构造dataframe
Pandas学习 - 索引
Helslie的博客
04-23 1426
这部分我们要学习一下索引的操作。 一、单级索引 1. loc方法、iloc方法、[]操作符 一般而言，最常用的索引方法就是这三类 iloc表示位置索引（i表示index） loc表示标签索引 []也具有很大的便利性 （a）loc方法 trick one: 所有在loc中使用的切片全部包含右端点的，这一点和我们之前的右边不到不一样 ①单行索引 # 标签索引为 1103 # 也就是说如果行标签为...
Numpy&pandas（三）–pandas索引
01-20
pandas索引 #重新索引Series s = pd.Series([1, 3, 5, 6, 8], index=list('acefh')) s.reindex(list('abcdefgh')) #本来没有的index值为NaN s.reindex(list('abcdefgh'), fill_value=0) #将NaN替换成0 s.reindex...
精通Pandas索引操作，看这篇就够了！
12-21
import pandas as pd df = pd.read_csv('data/table.csv',index_col="ID") df.head() 一、单级索引 1. loc方法、iloc方法、[]操作符 最常用的索引方法可能就是这三类，其中iloc表示位置索引，loc表示标签索引，[]也...
Python学习笔记之pandas索引列、过滤、分组、求和功能示例
09-19
主要介绍了Python学习笔记之pandas索引列、过滤、分组、求和功能,结合实例形式分析了Python针对抓取保存的csv数据使用pandas进行索引列、过滤、分组、求和等操作的相关实现技巧,需要的朋友可以参考下
pandas索引操作及高级索引之重置索引.pptx
02-04
Python数据分析应用
pandas---Series与DataFrame索引、切片；多层索引、索引的堆叠
weixin_43961909的博客
06-11 5643
可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时。返回的仍然是一个Series类型）。使用index中的元素作为索引值。使用.iloc[ ]
Pandas分类总结之：索引
seven的博客
09-01 1450
文章目录1. 索引器1.1 表的列索引1.2 序列的行索引1.3 loc索引器1.4 iloc索引器1.5 query方法1.6 随机抽样2. 多级索引2.1 多级索引和表的结构2.2 多级索引中的loc索引器2.3 IndexSlice对象2.4 多级索引的构造3. 索引的常用方法3.1 索引层的交换和删除3.2 索引属性的修改3.3 索引的设置与重置3.4 索引的变形4.索引运算4.1 一般的索引运算 1. 索引器 1.1 表的列索引 df[列名] ，返回值为Series，当列名不包含空格，可用 df.
Pandas(十四)--索引操作
Hanscal
05-07 7086
目录 索引Index 创建索引 设置索引 重置索引 分层索引MultiIndex 创建分层索引 应用分层索引 分层索引切片取值 聚合函数应用 局部索引 行索引层转换为列索引 列索引实现分层 交换层和层排序 索引Index 通过索引(Index)可以从 DataFame 中选择特定的行数和列数，这种选择数据的方式称为“子集选择”。在 Pandas 中，索引值也被称为标签（label），它在 Jupyter 笔记本中以粗体字进行显示。索引可以加快数据访问的速度，它就好比数据的书签，
pandas-索引
wjsjjss的博客
04-22 416
一、单级索引 1. loc方法、iloc方法、[]操作符 最常用的索引方法可能就是这三类，其中iloc表示位置索引，loc表示标签索引，[]也具有很大的便利性，各有特点 （a）loc方法（注意：所有在loc中使用的切片全部包含右端点！） ① 单行索引： df.loc[1103] ② 多行索引： df.loc[[1102,2304]] df.loc[1304:] df.loc...
pandas中的索引index操作总结
wugou2014的博客
03-25 3875
pandas中最重要的索引操作，学会index就掌握了pandas的灵魂
Pandas索引
jjwan123的博客
12-22 428
Pandas索引的基础知识自我补充 可变序列与不可变序列: 复制列表和指向 索引器 一．列索引 注：其中 x为多种类型的不同代称，我在手机端编辑，这边没有数据集为了方便统一写成了 x 列索引是最常见的索引方式，一般通过 [ ]来实现，通过 [列名] 可以从DataFrame中取出相应的列，返回值为Series df.= pd.read_csv(“data数据存储在你电脑的位置”, usecols = [“School”,”Grade”,”Name”,”Gende”,”weight”,”Transter
Pandas数据分析03——pandas索引设置和操作（用法全面解析）
weixin_46277779的博客
07-29 1万+
pandas索引对象的用法及操作
Pandas二次学习- 回炉重造（进阶）
风口IT猪的成长录
07-03 824
Pandas 进阶学习Pandas介绍为什么使用PandasPandas数据结构SeriesSeries的创建Series的属性DataFrameDataFrame的创建DataFrame的属性DatatFrame索引的设置修改行列索引值重设索引以某列值设置为新的索引MultiIndexmultiIndex的特性multiIndex的创建Panelpanel的创建查看panel数据基本数据操作索引操作直接使用行列索引(先列后行)结合loc或者iloc使用索引使用ix组合索引赋值操作排序DataFrame排序
pandas索引和选择数据
热门推荐
小小鸟
04-10 10万+
使用pandas索引和选择数据时，总是需要百度，因此决定对pandas.DataFrame中的索引和选择方法做个总结。所用的pandas版本号为0.20.1 pandas中有三种索引方法：.loc，.iloc和[]，注意：.ix的用法在0.20.0中已经不建议使用了！ .loc用法 iloc用法 切片操作[] 下文中全部使用一个DataFrame来举例： .loc用法 ...
pandas索引求差
最新发布
09-09
因此，Pandas索引求差是通过`diff()`函数实现的，可以用于计算Series和DataFrame对象的相邻元素或相邻行/列之间的差异。 ### 回答3： pandas索引求差是指在数据框或者系列中，通过计算相邻索引之间的差值来获得...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值