pandas----df[‘‘]、df[[‘‘]]、df.的区别

置顶 已于 2023-06-02 22:30:07 修改
阅读量7.8k 收藏 47
点赞数 12
分类专栏： 数据分析
于 2021-04-15 20:36:23 首次发布
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_45603718/article/details/115738265
版权

Pandas DataFrame Series 键值 选取列
关键词由CSDN通过智能技术生成
这篇博客详细介绍了Pandas库中DataFrame对象如何选取列。通过`df[]`、`df[[]]`和`.`操作，你可以获取Series类型的键值或完整的DataFrame表格。理解这些操作对于数据处理至关重要。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • df[ ] : 只取某列的值，是键值， 返回Series类型
  • df[[ ]] :取完全的某列，是表格，返回DataFrame类型
  • df. :只取某列的值，是键值， 返回Series类型
    在这里插入图片描述
df.列名=df['列名']、pd.factorize(df['列名']）、df['列名'].to_frame()和df.nunique()的使用
Gfqwy2021
02-17 3084
import numpy as np import pandas as pd df = pd.DataFrame({'id':[1,2,3,4,5,6,3,2],'raw_grade':['a','b','c','d','a','b','c','d']}) df.raw_grade Out[4]: 0 a 1 b 2 c 3 d 4 a 5 b 6 ...
pandas-ta-quant-plot-0.2.6.tar.gz
03-08
《Pandas-TA-Quant-Plot：数据可视化与技术分析的高效工具》 Pandas-TA-Quant-Plot是一款基于Python的数据分析库，专为金融市场的技术分析和数据可视化而设计。这个压缩包"pandas-ta-quant-plot-0.2.6.tar.gz"包含...
df['']和df[['']]的区别
dgs66009的博客
09-20 1862
转载于:https://www.cnblogs.com/smartwhite/p/9682974.html
dataframe取数：df[]、loc[]、iloc[]的区别
m0_46172703的博客
08-08 3267
df[]形式中，中括号中如果是单个字符或列表，则为取某列或某几列的数值；中括号中如果是切片，则为取某行或某几行的数值。反过来说，如果要取某列或某几列的数值，则中括号中写上某列的列名或某几列的列名组成的列表；如果要取某行或某几行的数值，则中括号中要写上切片的形式，即便是只取一行或全部行，也需要写成切片的形式。注：中括号里可以写列名、行名或列索引、行索引。 loc[]或iloc[]形式中，中括号中如果是单个字符、列表或切片，则为取某行或某几行的数值。中括号中如果是有逗号，则为同时取行和列的形式，逗号前是行的部
pandas的DataFrame的[]和[[]]的区别
吟游诗人——吟唱生命的不朽
06-13 2130
对于一个DataFrame类型的数据，可以用[]和[[]]来取其某一列或某几列（仅限[[]]才能取某几列）。 从[]只能取某一列就能看出，这个取出来的是Series，而[[]]取出来的是DataFrame类型的。
Pandas数据选取中df[]、df.loc[]、df.iloc[]、df.at[]、df.iat[]的区别及用法
金戈鐡馬
03-26 1万+
　　Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。 　　Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。 　　在Dataframe中选取数据大抵包括3中情况： 　　1）行（列）选取（单维度选取）：df[]。这种情况一次只能选取行或者列，即一次选取中，只能为行或者列设置筛选条件
关于pandas中df[[]]的解谜以及Series与DataFrame的区别
weixin_42670810的博客
12-21 3695
关于pandas中df[[]]的解谜以及Series与DataFrame的区别 一直以来我们获取df中某列的值，一般采用df.parm或者df[‘parm’]的方式来获取。今天突然遇到df[[‘number’]]的形式，一开始以为别人写错了，后来才知道原来是取的东西不一样。先看对比代码： import pandas as pd data=pd.DataFrame({'name':['张三','李四','王五'],'age':[18,19,20],'number':[190,200,220]}) prin
python pandas使用df[]获取dataFrame的数据
weixin_45144170的博客
05-08 7830
pandas查询数据有很多种方式，比较常见的有df[]形式，df.A属性方式，df.iloc[] 方式，df.loc[]方式等等。这几种方式在使用时十分容易混淆，容易报错。从今天开始，我们对此做一下认真分析，纠正下使用方式。今天，我们看一下df[]方式。 df[]索引方式仅接收一个参数，对于获取整行整列的数据十分方便： （1）字符形式 '''字符形式仅接收列label，如下面的dataFrame就是 仅接收'name','score', 'grade' ''' # 指定了id列为行标识 >>&g
【Python】Pandas通过索引的方式去重df[~df.index.duplicated()]
人人都是量化师的专栏
12-06 3089
~df.index.duplicated() 方法是只针对索引做去重，而不考虑列数据，与df.drop_duplicates() 相反。
PyPI 官网下载 | pandas-profiling-2.0.3.tar.gz
01-17
《PyPI官网下载 | pandas-profiling-2.0.3.tar.gz：深度解析与应用》 在Python的数据分析领域，pandas库无疑是不可或缺的一部分。为了进一步提升数据分析的效率和质量，开发者们创建了一系列与pandas集成的扩展工具...
pandas-td-0.6.2.tar.gz
03-08
"pandas-td-0.6.2.tar.gz" 是一个包含特定版本的Pandas库扩展TD模块的压缩包文件，版本号为0.6.2。Pandas是Python编程语言中广泛使用的数据处理和分析工具，而TD则是Tokyo Tyrant或 Treasure Data 的简称，这是一个...
pandas-stubs-1.2.0.62.tar.gz
03-08
《Pandas库的类型注解理解与应用》 在Python编程中，Pandas库是数据分析领域不可或缺的工具，它提供了高效的数据结构和丰富的数据分析功能。然而，随着Python 3.5引入了类型提示（Type Hints）这一特性，开发者可以...
pandas-tfrecords-0.1.5.tar.gz
03-08
# 假设df是你的Pandas DataFrame df = pd.DataFrame(...) write_tfrecords(df, "output.tfrecords") ``` 这样，DataFrame中的每一行数据都会被序列化并存储到"output.tfrecords"文件中。反之，若要从TFRecord文件中...
Pandas选择数据的方法：df[] / df.loc[x, y] / df.iloc[i, j]
Sun_Weiss的博客
06-17 1104
Pandas主要通过索引来定位和获取数据。有df[] df.loc[x, y] df.iloc[i, j] 等几种常见的方式。
pandas中 df[‘X‘]和df[[‘X‘]]的不同
TwcatL_tree
10-29 852
df[‘X’]更像是pd.series类型的，而df[[“X”]]是pd.Dateframe类型，事实也的确如此。除此之外，df[[‘X’,‘Y’]]这样的写法也是被支持的，而df[‘X’,‘Y’]则不被允许。相信通过观察它们的输出结果，你一定可以会猜测他们的数据类型不同的。
[python学习笔记]DataFrame中df['name']、df[['name']]和df.name的区别
狂扁小朋友的学习笔记
08-31 1万+
在DataFrame中： df['name']#得到的是不包含列索引的Series结构 df[['name']]#得到是包含列索引的DataFrame结构 df.name#得到是不包含列索引的Series结构 注意事项： df.name cor 1#当列名中包含空格时，这种写法会报错 df.new_column = 50#df.name无法用于原DataFrame中不存在的列，即不能用来新增一列...
Pandas-数据结构-DataFrame（三）：列索引【df[‘列名‘]、df[[‘列名1‘,‘列名2‘]]、df.iloc[:, 2:6]】
u013250861的博客
04-09 2744
1、df[‘col_name’]：按照“列名”索引提取列数据 按照列名选择列，只选择一列输出Series，选择多列输出Dataframe df[]一般用于选择列，[]中写列名（所以一般数据colunms都会单独制定，不会用默认数字列名，以免和index冲突）； 单选列为Series，print结果为Series格式； 多选列为Dataframe，print结果为Dataframe格式； import numpy as np import pandas as pd df = pd.DataFrame(n
python数据分析之pandas数据选取：df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[]
热门推荐
刘明的博客
11-03 1万+
1 引言 Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。 Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。 　　在Dataframe中选取数据大抵包括3中情况： 　　** 1）行（列）选取（单维度选取）：d...
pandas-profiling=
最新发布
01-11
### 如何安装和使用 `pandas-profiling` 库 #### 安装方法 为了安装 `pandas-profiling`，推荐的方式是通过 `pip` 工具来完成。考虑到网络环境的不同，提供了多种安装途径： 可以通过国内镜像源加速安装过程： ```bash pip install pandas-i https://pypi.tuna.tsinghua.edu.cn/simple [^1] ``` 对于遇到安装困难的情况，也可以尝试直接从 GitHub 上获取最新版本进行安装： ```bash pip install https://github.com/pandas-profiling/pandas-profiling/archive/master.zip [^3] ``` 需要注意的是，在2023年4月之前官方已经宣布弃用了 `pandas-profiling` 并建议改用 `ydata-profiling` 替代[^4]。 因此，如果希望获得最新的特性和支持，则应该考虑安装 `ydata-profiling` 而不是旧版的 `pandas-profiling`。 #### 使用示例 一旦成功安装了所需的库之后，就可以轻松地对数据集执行自动化的数据分析报告生成功能。下面是一个简单的例子展示如何创建一份基本的数据分析报告： ```python import pandas as pd from ydata_profiling import ProfileReport # 导入新的包名 # 加载样本数据集 df = pd.read_csv('your_dataset.csv') # 创建并显示HTML格式的报告 profile = ProfileReport(df, title="Pandas Profiling Report", explorative=True) profile.to_file("report.html") # 将生成的报告保存为 HTML 文件 ``` 这段代码会读取 CSV 文件中的数据，并自动生成详细的统计描述、可视化图表等内容丰富的交互式网页形式的探索性数据分析(EDA)报告。
评论 1
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