Pandas常用操作命令（四）——数据切片、筛选

最新推荐文章于 2024-07-25 13:29:32 发布
最新推荐文章于 2024-07-25 13:29:32 发布
阅读量4.3k 收藏 89
点赞数 9
分类专栏： Pandas技巧系列 文章标签： pandas python 开发语言
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/weixin_42152811/article/details/125423190
版权

文章目录

大家好，我是 👉【Python当打之年(点击跳转)】

本期为大家带来 《 Pandas常用操作命令》 的 第四篇 ，主要介绍在数据处理可视化过程中经常用到的一些指令，本系列在后期会不断进行补充更新，希望对你有所帮助，如有疑问或者需要改进的地方可以私信小编。


🏳️‍🌈 4. 数据切片、筛选

示例数据：
在这里插入图片描述

4.1 输出城市为上海的行

df[df['城市']=='上海']

在这里插入图片描述

4.2 输出城市为上海或广州的行

df[df['城市'].isin(['上海','广州'])]

在这里插入图片描述

4.3 输出城市名称中含有‘海’字的行

df[df['城市'].str.contains("海", na=False)]

在这里插入图片描述

4.4 输出城市名称以‘海’字开头的行

df[df['城市'].str.startswith("海", na=False)]

在这里插入图片描述

4.5 输出城市名称以‘海’字结尾的行

df[df['城市'].str.endswith("海", na=False)]

在这里插入图片描述

4.6 输出所有姓名，缺失值用Null填充

df['姓名'].str.cat(sep='、',na_rep='Null')

‘001-张三、002-李四、003-赵四、004-王五、005-陈六、006-孙五、007-周七、Null、009-王二、010-刘八、011-郑九、012-赵十、013-郭一’

4.7 重置索引

df2 = df1.set_index('学号')
df2

在这里插入图片描述

4.8 前两行

df2[:2]

在这里插入图片描述

4.9 后两行

df2[-2:]

在这里插入图片描述

4.10 2-8行

df2[2:8]

在这里插入图片描述

4.11 每隔3行读取

df2[::3]

在这里插入图片描述

4.12 2-8行,步长为2，即第2/4/6行

df2[2:8:2]

在这里插入图片描述

4.13 选取’语文’,‘数学’,'英语’列

df2[['语文','数学','英语']]

在这里插入图片描述

4.14 学号为’001’的行，所有列

df.loc只能使用标签索引，不能使用整数索引，通过便签索引切边进行筛选时，前闭后闭.

df2.loc['001', :]

在这里插入图片描述

4.15 学号为’001’或’003’的行，所有列

df2.loc[['001','003'], :]

在这里插入图片描述

4.16 学号为’001’至’009’的行，所有列

df2.loc['001':'009', :]

在这里插入图片描述

4.17 列索引为’姓名’，所有行

df2.loc[:, '姓名']

在这里插入图片描述

4.18 列索引为’姓名’至‘城市’，所有行

df2.loc[:, '姓名':'城市']

在这里插入图片描述

4.19 语文成绩大于80的行

# 方法一
df2.loc[df2['语文']>80,:]

# 方法二
df2.loc[df2.loc[:,'语文']>80, :]

# 方法三
df2.loc[lambda df2:df2['语文'] > 80, :]

在这里插入图片描述

4.20 语文成绩大于80的人的姓名和城市

df2.loc[df2['语文']>80,['姓名','城市']]

在这里插入图片描述

4.21 输出’赵四’和’周七’的各科成绩

df2.loc[df2['姓名'].isin(['赵四','周七']),['姓名','语文','数学','英语']]

在这里插入图片描述

df.iloc[]只能使用整数索引，不能使用标签索引，通过整数索引切边进行筛选时，前闭后开

4.22 iloc选取第2行

df2.iloc[1, :]

在这里插入图片描述

4.23 iloc选取前3行

df2.iloc[:3, :]

在这里插入图片描述

4.24 选取第2行、第4行、第6行

df2.iloc[[1,3,5],:]

在这里插入图片描述

4.25 选取第2列

df2.iloc[:, 1]

在这里插入图片描述

4.26 选取前3列

df2.iloc[:, :3]

在这里插入图片描述

4.27 选取第3行的第3列

df2.iloc[3, 3]

4.28 选取第1列、第3列和第4列

df2.iloc[:, [0,2,3]]

在这里插入图片描述

4.29 选取第2行的第1列、第3列、第4列

df2.iloc[1, [0,2,3]]

在这里插入图片描述

4.30 选取前3行的前3列

df2.iloc[:3, :3]

在这里插入图片描述

未完待续。。。

文章首发：微信公众号 “Python当打之年” ，Python编程技巧推送，希望大家可以喜欢。

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。

推荐阅读

Python当打之年
关注
专栏目录
数据库分库分表
远古大猛犸
10-03 373
一. 数据切分 关系型数据库本身比较容易成为系统瓶颈，单机存储容量、连接数、处理能力都有限。当单表的数据量达到1000W或100G以后，由于查询维度较多，即使添加从库、优化索引，做很多操作时性能仍下降严重。此时就要考虑对其进行切分了，切分的目的就在于减少数据库的负担，缩短查询时间。 数据库分布式核心内容无非就是数据切分（Sharding），以及切分后对数据的定位、整合。数据切分就是将数据分散存...
数据类型：数组与切片
wgchen
10-09 181
数据类型：数组与切片
Python的pandas库手把手教学之，索引以及切片取数据
最新发布
2301_79810514的博客
07-25 465
一个开源的Python类库：用于数据分析、数据处理、数据可视化高性能容易使用的数据结构容易使用的数据分析工具很方便和其他类库一起使用numpy：用于数学计算scikit-learn：用于机器学习values: 一组数据(ndarray类型)index: 相关的数据索引标签1）series的创建由列表或numpy数组创建# 先导入所需要的pandas库# 创建series的方法1# 接下来演示如何将列表数据转成seriesprint(s)
python--pandas切片
jhr112的博客
03-25 5367
pandas的切片操作是python中数据框的基本操作，用来选择数据框的子集。 环境 python3.9 win10 64bit pandas==1.2.1 准备数据 import pandas as pd player_list = [[1,'M.S.Dhoni', 36, 75, 5428000], [2,'A.B.D Villers', 38, 74, 3428000], [3,'V.Kholi', 31, 70, 8428000],.
pandas切片
love_521_的博客
02-23 6201
pandas 切片 iloc 方法： 用iloc方法，使用行列的位置对数据框进行切片。支持布尔切片 行切片 只传入一个参数时，表示对行进行切片。参数为整数返回序列，参数为列表返回数据框。正数表示正向切片， 负数表示反向切片。 df = pd.read_csv(file_path,encoding="utf8",index_col=0) df.head(5) ## 选取第一行（序列） df.iloc[0] # 选取第一行（数据框） df.iloc[[0]] # 选取前2行 print(df.ilo
Pandas(第九集：DataFrame切片操作)
MMF博客园
05-10 1668
Pandas(第九集：DataFrame切片操作)
Pandas DataFrame切片操作
malingyu的专栏
08-28 1206
切片操作是指通过选择某个数据结构的一部分来创建一个新的数据结构的过程。在Pandas中，DataFrame是一个二维数据结构，类似于表格，可以通过切片操作来选择特定的行和列，以创建一个新的DataFrame。通过切片操作，我们可以轻松地选择DataFrame中的特定行和列，从而创建一个新的DataFrame。Pandas提供了灵活的切片操作语法，包括基于标签的loc方法和基于位置的iloc方法。熟练掌握这些切片操作的语法，对于处理和分析大型数据集非常有帮助。
pandas数据切片
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
04-11 407
X[:, m:n]，即取所有数据的第m到n-1列数据，含左不含右！！不是从第m到第n列数据全取！！！
python数据分析模块：numpy、pandas全解（csdn）————程序.pdf
12-03
Python数据分析领域中，numpy和pandas是两个至关重要的模块，它们提供了强大的数据处理和分析功能。下面我们将深入探讨这两个模块的主要知识点。 **numpy模块** numpy是Python中的基础数学库，主要用于处理大型...
Python数据分析——Pandas基础入门+代码（三）之索引与切片
pppgu‘s blog
04-03 6972
pandas的索引和切片！包看包会！！
Pandas基础知识（四）——DataFrame操作（上）
m0_51981035的博客
09-27 59
介绍了DataFrame大概的一些操作（增删查改），后面针对一些具体的出个详细版。 ps:在对DataFrame操作完成后，如果要存入表格，记得写存取代码。
python pandas dataframe 行列选择，切片操作
03-03
SQL中的select是根据列的名称来选取；Pandas则更为灵活，不但可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。
Pandas数据分析③——数据规整1（索引和列名调整/数据内容调整/排序）
cindy407的博客
06-05 3030
数据规整是在数据清洗完毕后，将其调整成适合分析的结构，为后续的深入分析作准备，主要分为以下几类： 索引和列名调整： 设定新索引，筛选想要的列，更改列名 数据排序：根据索引或列进行排序 数据格式调整：更改数据类型，更改数据内容（去除空格标点符号/截取/替换/统一数据单位等），增加用于分析的辅助列 数据拼接：行堆叠和列拼接 数据透视：行或列维度转换 本篇先介绍前3种，下一篇介绍后2种 一、索引和列名调...
Pandas常用函数——索引取值
渣娃攻城狮的博客
03-28 8737
索引取值 1、df[]取值 df[: 5] # 输入index，按行取值(0~4)，同列表切片 df["date"] # 按列取值 df[df["date"] > "2020-01-01"] # 传入bool值，进行简单数据选择 2、df.loc[行标签, 列标签] 主要基于标签，但也可以与布尔数组一起使用。 单个标签。（注意，数字5被解释为标签） 列表或标签数组。['a', 'b', 'c'] 带标签的切片对象'a':'f'（注意，不同于Python列表，切片包括端点'a','f'） 布尔
(二)Pandas切片
guochaogang的博客
05-04 2660
pandas切片可以直接使用[]运算符来切片，也可以选择使用以下api。：通过切片数据：通过数据：相当于loc和iloc的综合版本，既可以按标签切片，又可以按位置切片。也就是说，ix可以识别你是想按照标签切片，还是按照位置切片，功能和iloc、loc完全重复，现在已经被弃用了，2.0已经没有这个api了。
pandas——数据切片(入门)
2301_76512755的博客
02-27 318
pandas——数据切片(入门）
pandas篇之数据的切片和查找
weixin_73368873的博客
03-03 602
我们常用的pandas的数据的结构是多维结构，数据的查找和过滤的方法非常重要。pandas也为我们提供了很多相关的方法，如iloc和loc等，本文也将围绕此展开说明。iloc和loc是我们用得比较多的数据切片方法，我们刚开始使用可能会有点混淆，但其实这两兄弟的区别还是很大：loc 是按。查找，下面仍以numpy生成数据如下。查找, iloc是按。
Pandas DataFrame 列切片的5种方法
devid008的博客
05-09 4748
Pandas是一个非常有用的数据分析库,如果你掌握了DataFrame的操作,数据处理会事半功倍。本文介绍DataFrame列切片的5种常用方法。
python——pandas(切片)
weixin_41895381的博客
04-15 9091
pandas数据提取 一、比较loc,iloc,ix与去重 1.loc——标签索引，行和列的名称； .loc主要是基于标签(label)的，包括行标签(index)和列标签(columns)，即行名称和列名称，可以使用 df.loc[index_name,col_name]选择指定位置的数据。 #dataframe在加判断条件时可以不通过.loc直接去写效果一样 2.iloc——通过行号索引...
matlab 数据切片
12-08
在MATLAB中，可以使用切片操作符“:”来对矩阵进行切片，提取所需的数据。具体操作如下： 1. 切片列向量 假设有一个矩阵data，需要提取其中的第31列、第32列，可以使用以下代码： ```matlab longi = data(:, 31); lati = data(:, 32); ``` 2. 切片行向量 假设有一个矩阵data，需要提取其中的第96行、第78行，可以使用以下代码： ```matlab expectedVelocity = data(96, :); expectedHeading = data(78, :); ``` 3. 切片子矩阵 假设有一个矩阵data，需要提取其中的第1行到第10行、第20列到第30列的子矩阵，可以使用以下代码： ```matlab subMatrix = data(1:10, 20:30); ``` 以上是MATLAB数据切片的基本操作，可以根据具体需求进行灵活运用。
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

打赏作者

Python当打之年

您的鼓励是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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