記錄一些pandas選擇數(shù)據(jù)的內(nèi)容，此前首先說行列名的獲取和更改，以方便獲取數(shù)據(jù)。此文作為學(xué)習(xí)鞏固。

這篇博的內(nèi)容順序大概就是： 行列名的獲取 —> 行列名的更改 —> 數(shù)據(jù)選擇

一、pandas的行列名獲取和更改

1. 獲取: df.index() df.columns()

首先，舉個(gè)例子，做一個(gè)DataFrame如下：

>>>import pandas as pd
>>>import numpy as np
>>>data = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
>>>data

設(shè)置了列索引為 abc，行索引是自動生成的，也可以設(shè)置

>>>data.index = ['A','B','C']
>>>data

以下的做法都以這個(gè) data 作為數(shù)據(jù)舉例

接下來就可以獲取索引了，index-行索引，columns-列索引

>>>data.index

>>>data.columns

2. 修改，看到有很多方法，這里推薦一種比較靈活好用的方法

 df.rename(index={ }, columns={ }, inplace=True)
>>>data.rename(index={'A':'D', 'B':'E', 'C':'F'}, columns={'a':'d', 'b':'e', 'c':'f'}, inplace = True)
>>>data

說明3點(diǎn)：

1. index和columns無關(guān)，可以分別指定，也就是說，可以只修改行索引，那么rename()中只寫index

2. 索引可以任意挑選，如此處，index={'A':'D', 'C':'F'} 則只改A和C，columns同樣

3. inplace=True, 在原dataframe上改動

二、pandas的數(shù)據(jù)選擇

1. 直接用索引選(不靈活、不推薦） df[ ]

1） 選擇‘a(chǎn)'列

>>>data['a'] 

注意：

1. 這樣取出的數(shù)據(jù)類型為 Series

2. 這種方法只能取出一列，不能用數(shù)字下標(biāo)，不能多選或片選, data['a','b'] , data['a':'c'] , data[0]

2）選擇'A','B'行

>>>data['A':'B'] 
>>>data[0:2] # 兩種方法同一結(jié)果

注意：

1. 這樣取出的數(shù)據(jù)類型為 DateFrame

2. 這種方法只能用于片選行，可以用數(shù)字下標(biāo)，不能單獨(dú)取，即 data['A'] , data['A','B'] , data[1]

2.使用 .loc(推薦） df.loc()，()內(nèi)參數(shù)先行后列，區(qū)別行列的取法

1) 取列：

>>>data.loc[:,['a','c']] #圖1 需要行全取，再對應(yīng)指定列

2）取行：

>>>data.loc[['A','B']] #圖2 直接指定行

3）取行列交叉值：

>>>data.loc[['A'],['b','c']] #圖3 

注意：

1. 區(qū)別 df.iloc()

.loc() —— 使用標(biāo)簽 label 作為索引取值

.iloc() —— 使用整數(shù)下標(biāo) index 作為索引取值,如上面三句可以換成以下三句，輸出數(shù)據(jù)類型有不同

>>>data.iloc[:,[0,2]] # DataFrame
>>>data.iloc[[0,1]] # DataFrame
>>>data.iloc[0,[1,2]] # Series

2. 對于 數(shù)字類型的變量，可以使用bool 選取行，列不能用bool，如

>>>data.loc[data.b>5] # DataFrame

>>>data.loc[data.b>5,['c']] #DataFrame 輸出為9位置的frame
>>>data.iloc[data.b.values>5,[2]] #DataFrame 輸出同上，需要有 .values取值

3. .ix[ ] 可以混用label和index，位置使用同 .loc[ ] .iloc[ ]

以上這篇對pandas的行列名更改與數(shù)據(jù)選擇詳解就是小編分享給大家的全部內(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。

最新評論