亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

pandas系列之DataFrame 行列數(shù)據(jù)篩選實(shí)例

 更新時(shí)間：2018年04月12日 10:01:29   作者：rainbowchens  
下面小編就為大家分享一篇pandas系列之DataFrame 行列數(shù)據(jù)篩選實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

一、對(duì)DataFrame的認(rèn)知

DataFrame的本質(zhì)是行(index)列(column)索引+多列數(shù)據(jù)。

為了簡(jiǎn)化理解，我們不妨換個(gè)思路…

現(xiàn)實(shí)中，為了簡(jiǎn)化對(duì)一件事物的描述，我們會(huì)選擇幾個(gè)特征。

例如，從（性別、身高、學(xué)歷、職業(yè)、愛(ài)好..）等角度去刻畫(huà)一個(gè)人，這些“角度”即為“特征”。

其中，不同的行表示不同的記錄；列代表特征，不同記錄因各個(gè)特征之間的差異而不同。

DataFrame默認(rèn)索引是序號(hào)（0，1，2…），可以理解成位置索引。一般我們用id標(biāo)識(shí)不同記錄，不會(huì)改變index。但為了理解不同特征（列）含義，我們往往會(huì)重新指定column。

一些簡(jiǎn)易但不算嚴(yán)謹(jǐn)?shù)睦斫馐牵?/strong>

行列

行 – index – 記錄 （一般沿用默認(rèn)索引）

列 – column – 特征 （自定義索引）

索引

默認(rèn)索引 – 序號(hào) – 位置 – 方便索引但理解不易

自定義索引 – 特征名稱 – 屬性 – 便于理解

二、對(duì)dataframe進(jìn)行行列數(shù)據(jù)篩選

import pandas as pd,numpy as np
from pandas import DataFrame
df = DataFrame(np.arange(20).reshape((4,5)),column = list('abcde'))

1.df[]&df. 選取列數(shù)據(jù)

df.a 
df[[‘a(chǎn)','b']]

2.df.loc[[index],[colunm]] 通過(guò)標(biāo)簽選擇數(shù)據(jù)

不對(duì)行進(jìn)行篩選時(shí)，[index]處填 : (不能為空)，即df.loc[:,'a']表示選取a列全部數(shù)據(jù)。

df.loc[0,'a'] 
df.loc[0:1,[‘a(chǎn)','b']] 
df.loc[[0,2],[‘a(chǎn)','c']]

3.df.iloc[[index],[colunm]] 通過(guò)位置選擇數(shù)據(jù)

不對(duì)行進(jìn)行篩選時(shí)，同df.loc[]，即[index]處不能為空。

df.iloc[0,0] 
df.iloc[0:1,1:3] 
df.iloc[[0,2],[1,3]]

4.df.ix[[index],[column]] 通過(guò)標(biāo)簽or位置選擇數(shù)據(jù)

df.ix[]混合了標(biāo)簽和位置選擇。需要注意的是，[index]和[column]的框內(nèi)需要指定同一類的選擇。
df.ix[[0:1],[‘a(chǎn)',3]]報(bào)錯(cuò)

以上這篇pandas系列之DataFrame 行列數(shù)據(jù)篩選實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

相關(guān)文章

最新評(píng)論