python中pandas库中DataFrame对行和列的操作使用方法

转自：晓东邪

用pandas中的DataFrame时选取行或列：

 1 import numpy as np
 2 import pandas as pd
 3 from pandas import Sereis, DataFrame
 4 
 5 ser = Series(np.arange(3.))
 6 
 7 data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
 8 
 9 data['w']  #选择表格中的'w'列，使用类字典属性,返回的是Series类型
10 
11 data.w    #选择表格中的'w'列，使用点属性,返回的是Series类型
12 
13 data[['w']]  #选择表格中的'w'列，返回的是DataFrame类型
14 
15 data[['w','z']]  #选择表格中的'w'、'z'列
16 
17 data[0:2]  #返回第1行到第2行的所有行，前闭后开，包括前不包括后
18 
19 data[1:2]  #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，
20        #如果采用data[1]则报错
21 
22 data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同
23 
24 data['a':'b']  #利用index值进行切片，返回的是**前闭后闭**的DataFrame, 
25         #即末端是包含的  
26 
27 #——————新版本pandas已舍弃该方法，用iloc代替———————
28 data.irow(0)   #取data的第一行
29 data.icol(0)   #取data的第一列
30 
31 ser.iget_value(0)  #选取ser序列中的第一个
32 ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。
33 #————————————————————————————-----------------
34 
35 data.head()  #返回data的前几行数据，默认为前五行，需要前十行则data.head(10)
36 data.tail()  #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)
37 
38 data.iloc[-1]   #选取DataFrame最后一行，返回的是Series
39 data.iloc[-1:]   #选取DataFrame最后一行，返回的是DataFrame
40 
41 data.loc['a',['w','x']]   #返回‘a’行'w'、'x'列，这种用于选取行索引列索引已知
42 
43 data.iat[1,1]   #选取第二行第二列，用于已知行、列位置的选取。

下面是简单的例子使用验证：

  1 import pandas as pd
  2 from pandas import Series, DataFrame
  3 import numpy as np
  4 
  5 data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])
  6 
  7 data
  8 Out[7]: 
  9         a   b   c   d   e
 10 one     0   1   2   3   4
 11 two     5   6   7   8   9
 12 three  10  11  12  13  14
 13 
 14 #对列的操作方法有如下几种
 15 
 16 data.icol(0)   #选取第一列
 17 E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
 18   # -*- coding: utf-8 -*-
 19 Out[35]: 
 20 one       0
 21 two       5
 22 three    10
 23 Name: a, dtype: int32
 24 
 25 data['a']
 26 Out[8]: 
 27 one       0
 28 two       5
 29 three    10
 30 Name: a, dtype: int32
 31 
 32 data.a
 33 Out[9]: 
 34 one       0
 35 two       5
 36 three    10
 37 Name: a, dtype: int32
 38 
 39 data[['a']]
 40 Out[10]: 
 41         a
 42 one     0
 43 two     5
 44 three  10
 45 
 46 data.ix[:,[0,1,2]]  #不知道列名只知道列的位置时
 47 Out[13]: 
 48         a   b   c
 49 one     0   1   2
 50 two     5   6   7
 51 three  10  11  12
 52 
 53 data.ix[1,[0]]  #选择第2行第1列的值
 54 Out[14]: 
 55 a    5
 56 Name: two, dtype: int32
 57 
 58 data.ix[[1,2],[0]]   #选择第2,3行第1列的值
 59 Out[15]: 
 60         a
 61 two     5
 62 three  10
 63 
 64 data.ix[1:3,[0,2]]  #选择第2-4行第1、3列的值
 65 Out[17]: 
 66         a   c
 67 two     5   7
 68 three  10  12
 69 
 70 data.ix[1:2,2:4]  #选择第2-3行，3-5（不包括5）列的值
 71 Out[29]: 
 72      c  d
 73 two  7  8
 74 
 75 data.ix[data.a>5,3]
 76 Out[30]: 
 77 three    13
 78 Name: d, dtype: int32
 79 
 80 data.ix[data.b>6,3:4]  #选择'b'列中大于6所在的行中的第4列，有点拗口
 81 Out[31]: 
 82         d
 83 three  13
 84 
 85 data.ix[data.a>5,2:4]  #选择'a'列中大于5所在的行中的第3-5（不包括5）列
 86 Out[32]: 
 87         c   d
 88 three  12  13
 89 
 90 data.ix[data.a>5,[2,2,2]]  #选择'a'列中大于5所在的行中的第2列并重复3次
 91 Out[33]: 
 92         c   c   c
 93 three  12  12  12
 94 
 95 #还可以行数或列数跟行名列名混着用
 96 data.ix[1:3,['a','e']]
 97 Out[24]: 
 98         a   e
 99 two     5   9
100 three  10  14
101 
102 data.ix['one':'two',[2,1]]
103 Out[25]: 
104      c  b
105 one  2  1
106 two  7  6
107 
108 data.ix[['one','three'],[2,2]]
109 Out[26]: 
110         c   c
111 one     2   2
112 three  12  12
113 
114 data.ix['one':'three',['a','c']]
115 Out[27]: 
116         a   c
117 one     0   2
118 two     5   7
119 three  10  12
120 
121 data.ix[['one','one'],['a','e','d','d','d']]
122 Out[28]: 
123      a  e  d  d  d
124 one  0  4  3  3  3
125 one  0  4  3  3  3
126 
127 #对行的操作有如下几种：
128 data[1:2]  #（不知道列索引时）选择第2行，不能用data[1]，可以用data.ix[1]
129 Out[18]: 
130      a  b  c  d  e
131 two  5  6  7  8  9
132 
133 data.irow(1)   #选取第二行
134 Out[36]: 
135 a    5
136 b    6
137 c    7
138 d    8
139 e    9
140 Name: two, dtype: int32
141 
142 data.ix[1]   #选择第2行
143 Out[20]: 
144 a    5
145 b    6
146 c    7
147 d    8
148 e    9
149 Name: two, dtype: int32
150 
151 
152 data['one':'two']  #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。
153 Out[22]: 
154      a  b  c  d  e
155 one  0  1  2  3  4
156 two  5  6  7  8  9
157 
158 data.ix[1:3]  #选择第2到4行，不包括第4行，即前闭后开区间。
159 Out[23]: 
160         a   b   c   d   e
161 two     5   6   7   8   9
162 three  10  11  12  13  14
163 
164 data.ix[-1:]  #取DataFrame中最后一行，返回的是DataFrame类型,**注意**这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`data.irow(-1)`--返回Series类型
165 Out[11]: 
166         a   b   c   d   e
167 three  10  11  12  13  14
168 
169 data[-1:]  #跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型
170 Out[12]: 
171         a   b   c   d   e
172 three  10  11  12  13  14
173 
174 data.ix[-1] #取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用
175 Out[13]: 
176 a    10
177 b    11
178 c    12
179 d    13
180 e    14
181 Name: three, dtype: int32
182 
183 data.tail(1)   #返回DataFrame中的最后一行
184 data.head(1)   #返回DataFrame中的第一行