" />

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獲取對(duì)應(yīng)的行或者列方式

 更新時(shí)間:2024年02月24日 08:44:55   作者:小瓶蓋的豬豬俠  
這篇文章主要介紹了pandas獲取對(duì)應(yīng)的行或者列方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

loc

通過(guò)標(biāo)簽或布爾數(shù)組訪問(wèn)一組行和列。

.loc[] 主要基于標(biāo)簽,但也可以與布爾數(shù)組一起使用。

允許的輸入為:

  • 單個(gè)標(biāo)簽,例如’a’,
  • 標(biāo)簽列表或數(shù)組,例如。[‘a’, ‘b’, ‘c’]
  • 帶有標(biāo)簽的切片對(duì)象,例如’a’:‘f’。
  • 與切片軸長(zhǎng)度相同的布爾數(shù)組,例如。[True, False, True]
  • 可對(duì)齊的布爾系列。遮罩之前,鍵的索引將對(duì)齊。
  • 可對(duì)齊索引。返回的選擇的索引將作為輸入。

獲取單行

為了獲取當(dāng)行,只需要利用行號(hào)就能夠獲取,

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc["viper"])
max_speed    4
shield       5
Name: viper, dtype: int64

獲取特定的幾行

  • 可以將多個(gè)行號(hào)組成一個(gè)list,然后作為參數(shù)輸入進(jìn)去
>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[["cobra",'sidewinder']])
            max_speed  shield
cobra               1       2
sidewinder          7       8
  • 利用切片獲取多個(gè)連續(xù)的行

在利用切片時(shí),也需要使用label進(jìn)行切片,否則pandas不會(huì)識(shí)別

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper': 'sidewinder'])
            max_speed  shield
viper               4       5
sidewinder          7       8

獲取特定行和列

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper','shield'])
5

也可以通過(guò)切片和列組合,獲取特定的數(shù)值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc['viper': 'sidewinder',:])
            max_speed  shield
viper               4       5
sidewinder          7       8

通過(guò)bool值進(jìn)行選擇

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[[False, False, True]]
            max_speed  shield
sidewinder          7       8

通過(guò)條件進(jìn)行選擇獲取

通過(guò)條件獲取,時(shí)間也是通過(guò)bool獲取的一種特例,

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[df['shield'] > 6]
            max_speed  shield
sidewinder          7       8

通過(guò)下面的結(jié)果,我們可以看出,通過(guò)條件獲取后是一個(gè)對(duì)象,該對(duì)象的值就是一個(gè)bool列表,通過(guò)條件獲取就是通過(guò)這個(gè)bool列表進(jìn)行獲取

>>> s = df['shield'] > 6
>>> type(s)
<class 'pandas.core.series.Series'>
>>> s.values
array([False, False,  True])

通過(guò)回調(diào)函數(shù)獲取

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[lambda df: df['shield'] == 8]
            max_speed  shield
sidewinder          7       8

對(duì)數(shù)值進(jìn)行修改

這里主要講的是對(duì)數(shù)值的修改是永久性的,

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> df
            max_speed  shield
cobra               1       2
viper               4      50
sidewinder          7      50

總結(jié)

以上為個(gè)人經(jīng)驗(yàn),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

  • 關(guān)于yolov5的一些簡(jiǎn)單說(shuō)明(txt文件、訓(xùn)練結(jié)果分析等)

    關(guān)于yolov5的一些簡(jiǎn)單說(shuō)明(txt文件、訓(xùn)練結(jié)果分析等)

    使用YOLOV5訓(xùn)練數(shù)據(jù)之后我們需要一些評(píng)判標(biāo)準(zhǔn)來(lái)告訴我們所訓(xùn)練的效果究竟如何,下面這篇文章主要給大家介紹了關(guān)于yolov5的一些簡(jiǎn)單說(shuō)明,主要是txt文件、訓(xùn)練結(jié)果分析等的相關(guān)資料,需要的朋友可以參考下
    2022-06-06
  • Python實(shí)現(xiàn)異常檢測(cè)LOF算法的示例代碼

    Python實(shí)現(xiàn)異常檢測(cè)LOF算法的示例代碼

    這篇文章主要為大家介紹一個(gè)經(jīng)典的異常檢測(cè)算法:局部離群因子(Local Outlier Factor),簡(jiǎn)稱LOF算法。感興趣的小伙伴可以跟隨小編一起了解一下
    2022-03-03
  • Python爬蟲實(shí)戰(zhàn)演練之采集拉鉤網(wǎng)招聘信息數(shù)據(jù)

    Python爬蟲實(shí)戰(zhàn)演練之采集拉鉤網(wǎng)招聘信息數(shù)據(jù)

    讀萬(wàn)卷書不如行萬(wàn)里路,只學(xué)書上的理論是遠(yuǎn)遠(yuǎn)不夠的,只有在實(shí)戰(zhàn)中才能獲得能力的提升,本篇文章手把手帶你用Python采集拉鉤網(wǎng)招聘信息數(shù)據(jù),大家可以在過(guò)程中查缺補(bǔ)漏,提升水平
    2021-10-10
  • 用Python編程實(shí)現(xiàn)語(yǔ)音控制電腦

    用Python編程實(shí)現(xiàn)語(yǔ)音控制電腦

    是否經(jīng)常好萊塢電影里看強(qiáng)大的語(yǔ)音識(shí)別系統(tǒng)? 是否每每看到都會(huì)羨慕嫉妒恨? 可是我們真心買不起啊。
    2014-04-04
  • Python yield 使用方法淺析

    Python yield 使用方法淺析

    本篇文章主要介紹了Python yield 使用方法淺析,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2017-05-05
  • pygame學(xué)習(xí)筆記(1):矩形、圓型畫圖實(shí)例

    pygame學(xué)習(xí)筆記(1):矩形、圓型畫圖實(shí)例

    這篇文章主要介紹了pygame學(xué)習(xí)筆記(1):矩形、圓型畫圖實(shí)例,本文講解了pygame窗口、窗口退出、pygame中的顏色、圓形、矩形及一個(gè)完整實(shí)例,需要的朋友可以參考下
    2015-04-04
  • 利用python爬取軟考試題之ip自動(dòng)

    利用python爬取軟考試題之ip自動(dòng)

    最近為了考試打算抓取網(wǎng)上的軟考試題,在抓取中遇到一些問(wèn)題,下面這篇文章主要介紹的是利用python爬取軟考試題之ip自動(dòng)的相關(guān)資料,文中介紹的非常詳細(xì),需要的朋友們下面來(lái)一起看看吧。
    2017-03-03
  • python中[[]] * (n)和[[] for _ in range(n)]的區(qū)別詳解

    python中[[]] * (n)和[[] for _ in 

    本文主要介紹了python中[[]] * (n)和[[] for _ in range(n)]的區(qū)別詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2024-02-02
  • 詳解利用python-highcharts庫(kù)繪制交互式可視化圖表

    詳解利用python-highcharts庫(kù)繪制交互式可視化圖表

    本文主要和大家分享一個(gè)超強(qiáng)交互式可視化繪制工具-python-highcharts。python-highcharts就是使用Python進(jìn)行Highcharts項(xiàng)目繪制,簡(jiǎn)單的說(shuō)就是實(shí)現(xiàn)Python和Javascript之間的簡(jiǎn)單轉(zhuǎn)換層,感興趣的可以了解一下
    2022-03-03
  • Python導(dǎo)入txt數(shù)據(jù)到mysql的方法

    Python導(dǎo)入txt數(shù)據(jù)到mysql的方法

    這篇文章主要介紹了Python導(dǎo)入txt數(shù)據(jù)到mysql的方法,涉及Python操作txt文件及mysql數(shù)據(jù)庫(kù)的技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下
    2015-04-04

最新評(píng)論