Pandas 中如何获取列与特定值匹配的行的索引

我学pandas，就没搞明白过取值，一会儿好像这样一会儿好像这样，头疼的很，今天彻底的理解了一遍，做个笔记，希望也能帮到头疼的你。

先建立一个数据源，好慢慢理解。

import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)  # 解决运行后行列显示不对齐的问题

data = [[130, 117, 106, 101], [112, 106, 142, 79], [136, 101, 85, 132], [126, 91, 95, 127], [139, 109, 99, 121]]
index_name = ['王宽', '黄蓉', '展昭', '雅雅', '红红']
columns = ['数学', '英文', '物理', '语文']
df = pd.DataFrame(data=data, columns=columns, index=index_name)
print(df, '\n--------------------------------')

先看看这几点，有助于你后面更好的理解，如果列举的代码看的累，可以看看最后的表格列举。

1、【无论是 行 还是 列，pandas的索引号是从0开始】

2、loc 方法

• 以 列名（columns） 和 行名（index）作为参数
• 当只有一个参数时，默认是 行名（index），即抽取整行数据，包括所有列
• 例如 df.loc['展昭']，抽取的就是'展昭'一行包括所有列的数据

3、iloc 方法：

• 以 行 和 列 其位置索引（即 0，1，2，3， ...）作为参数，0 表示第一行，1 表示第二行，2 表示第三行，以此类推。
• 当只有一个参数时，默认是 行索引，即抽取整行数据，包括所有列
• 例如 df.iloc[0]，抽取的就是第1行包括所有列的数据

 ※ a_1. 行操作：【抽取 一行】

# '展昭'行
print(df.loc['展昭']) 

# 第2行 ，（即 展昭 那一行）
print(df.iloc[2])

※ a_2. 行操作：【抽取 多行-指定行】

# '王宽' 和 '展昭' ，2行
print(df.loc[['王宽', '展昭']])

第1行 和 第2行， 2行
print(df.iloc[[0, 2]]) 

 

 ※ a_3. 行操作：【抽取 多行-连续行】

print(df.loc['王宽':'展昭'])  # 从 '王宽'行 到 '展昭'行 
print(df.loc[:'雅雅':])  # 从 第1行 到 '雅雅'行 
print(df.iloc[0:2])  # 从 第1行 到 第2行 ；（左开右闭原则，取到第3行但不包含第3行）
print(df.iloc[2::])  # 从 第3行 到 最后1行

 ※ b_1. 列操作：【抽取 多列-指定列】取一列的话就写一个列索引名或列索引号

print(df[['英文', '语文']])  # '英语'列 和 '语文'列 2列
print(df.loc[:, ['英文', '语文']])  # '英语'列 和 '语文'列 2列
print(df.iloc[:, [0, 1]])  # 第1列 和 第2列 2列；（无左开右闭原则，指定几列取几列）

※ b_2. 列操作：【抽取 多列-连续列】

 

print(df.loc[:, '英文':])  # 从 '英文'列 到 最后1列 
print(df.iloc[:, :3])  # 从 第1列 到 第3列 （左开右闭原则，取到第4列但不包含第4列）

※ c_1. 行列操作：【抽取 多行多列-指定的行列】

作者：Mae土豆
链接：https://www.zhihu.com/question/506727647/answer/2772916369
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

print(df.loc['王宽', '语文'])  # '王宽' 的 '语文' 成绩值，（即 访问某一单元格的值），【不是 DataFrame 对象数据】
print(df.loc[['王宽'], ['语文']])  # '王宽'行 的 '语文'列 的数据 ，即 '王宽' 的 '语文' 成绩，
print(df.loc[['王宽'], ['数学', '语文']])  # '王宽'行 的 '数学'列 和'语文'列 的数据 
print(df.iloc[1, 2])  # 第2行 的 第3列 的值，（即 访问某一单元格的值），【不是 DataFrame 对象数据】
print(df.iloc[[1], [2]])  # 第2行 的 第3列 的数据，（带有 行 列 索引，所以是 DataFrame 对象的数据）
print(df.iloc[1:, [2]])  # 从 第2行开始到最后1行 的 第3列 的数据，（或反过来理解，取 第3列的，第2行开始到最后1行的数据）
print(df.iloc[1:, [0, 2]])  # 从 第2行开始到最后1行 的 第1列 和 第3列 的数据，（或反过来理解，取 第1列 和 第3列的，第2行开始到最后1行的数据）
print(df.iloc[:, 3])  # 所有行 的 第4列 的数据，（或反过来理解，取 第14列的，所有行的数据）

 

简化式成表格表，再次强调，【无论是 行 还是 列，pandas的索引号是从0开始】

所以，数据中，从'王宽'的索引行号是0，'数学'的索引列号是0，（我们自己会常说是第1行，第1列）