Python - pandas DataFrame创建、数据提取(loc、iloc)

2023-11-02 00:58
文章标签 python 数据 提取 创建 pandas dataframe iloc loc

本文主要是介绍Python - pandas DataFrame创建、数据提取(loc、iloc)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

  • 1 新建一个DataFrame表
  • 2 获取列名
    • 2.1 list(df)
    • 2.2 .columns
  • 3 通过[]获取指定行或指定列的数据
    • 3.1 获取指定行（单行或多行，DataFrame）
    • 3.2 获取指定列（单列或多列，Series/DataFrame）
  • 4 通过.loc[]获取指定行、列的数据
    • 4.1 获取单个数据（类型依数据本身）
    • 4.2 获取单行数据（Series/DataFrame）
    • 4.3 获取单列数据（Series/DataFrame）
    • 4.3 获取多行多列的数据（DataFrame）
    • 4.4 根据列值条件获取指定数据（Series/DataFrame）
  • 5 通过.iloc[]用数字定位获取指定行、列的数据
    • 5.1 获取单个数据（类型依数据本身）
    • 5.2 获取单行数据（Series/DataFrame）
    • 5.2 获取单列数据（Series/DataFrame）
    • 5.3 获取多行多列的数据（DataFrame）
  • 6 复制一个表的数据到另一个表

1 新建一个DataFrame表

import numpy as np
import pandas as pd
df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])print(df)

     name    gender  age
0    Snow     M       22
1    Tyrion   M       32
2    Sansa    F       18
3    Arya     F       14

2 获取列名

2.1 list(df)

代码示例：

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
cols = list(df)
print(cols)
print(type(cols))

['name', 'gender', 'age']
<class 'list'>

2.2 .columns

代码示例：

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
cols = df.columns
print(cols)
print(type(cols))

Index(['name', 'gender', 'age'], dtype='object')
<class 'pandas.core.indexes.base.Index'>

3 通过[]获取指定行或指定列的数据

3.1 获取指定行（单行或多行，DataFrame）

格式：

# 获取第row_start_index行到第row_end_index-1行的数据，返回值为DataFrame类型
df[row_start_index:row_end_index]

代码示例：

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df[1:2]# 获得第1行的数据
print(df_1,'\n',type(df_1))

     name gender  age
1  Tyrion      M   32
<class 'pandas.core.frame.DataFrame'>

3.2 获取指定列（单列或多列，Series/DataFrame）

格式：

# 获取单列，返回值为Series类型
df['column_name'] 
# 获取单列，返回值为DataFrame类型
df[['column_name']]
# 获取多列，返回值为DataFrame类型
df[['column_name1','column_name2',...]]

代码示例：

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
series_1 = df['name']
df_1 = df[['name']]
df_2 = df[['name','gender']]
print(series_1,'\n',type(series_1),'\n',df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

0      Snow
1    Tyrion
2     Sansa
3      Arya
Name: name, dtype: object <class 'pandas.core.series.Series'> name
0    Snow
1  Tyrion
2   Sansa
3    Arya <class 'pandas.core.frame.DataFrame'> name gender
0    Snow      M
1  Tyrion      M
2   Sansa      F
3    Arya      F <class 'pandas.core.frame.DataFrame'>

4 通过.loc[]获取指定行、列的数据

4.1 获取单个数据（类型依数据本身）

格式：

# 返回值类型依数据本身
df.loc[index,column_name] 

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.loc[0,"name"]
print(df_1,'\n',type(df_1))

Snow <class 'str'>

4.2 获取单行数据（Series/DataFrame）

格式：

# 返回值为Series类型
df.loc[index] 
# 返回值为DataFrame类型
df.loc[index:index] 

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.loc[0]
df_2 = df.loc[0:0]
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

name      Snow
gender       M
age         22
Name: 0, dtype: object 
<class 'pandas.core.series.Series'> name gender  age
0  Snow      M   22 
<class 'pandas.core.frame.DataFrame'>

4.3 获取单列数据（Series/DataFrame）

格式：

# 返回值为Series类型
df.loc[:,column_name] 
# 返回值为DataFrame类型
df.loc[:,[column_name]]

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.loc[:,"name"]
df_2 = df.loc[:,["name"]]
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

0      Snow
1    Tyrion
2     Sansa
3      Arya
Name: name, dtype: object 
<class 'pandas.core.series.Series'> name
0    Snow
1  Tyrion
2   Sansa
3    Arya 
<class 'pandas.core.frame.DataFrame'>

4.3 获取多行多列的数据（DataFrame）

格式：

# 获取第start_index行到end_index行，'column_name1','column_name2',...列的数据
df.loc[start_index:end_index,['column_name1','column_name2',...]] 
# 获取index1,index2,...行，'column_name1','column_name2',...列的数据
df.loc[[index1,index2,...],['column_name1','column_name2',...]]

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.loc[0:2, ['name', 'age']]  # 获取第0行到第2行，name列和age列的数据
df_2 = df.loc[[2, 3], ['name', 'age']]  # 获取指定的第2行和第3行，name和age列的数据
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

     name  age
0    Snow   22
1  Tyrion   32
2   Sansa   18 <class 'pandas.core.frame.DataFrame'> name  age
2  Sansa   18
3   Arya   14 <class 'pandas.core.frame.DataFrame'>

4.4 根据列值条件获取指定数据（Series/DataFrame）

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.loc[df['gender']=='M',:] #获取gender列值是M的全部数据
df_2 = df.loc[df['gender']=='M','name'] #获取gender列值是M，name列的数据
df_3 = df.loc[df['gender']=='M',['name']] #获取gender列值是M，name列的数据
df_4 = df.loc[df['gender']=='M',['name','age']] #获取gender列值是M，name和age列的数据
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2),'\n',df_3,'\n',type(df_3),'\n',df_4,'\n',type(df_4))

     name gender  age
0    Snow      M   22
1  Tyrion      M   32 <class 'pandas.core.frame.DataFrame'> 0      Snow
1    Tyrion
Name: name, dtype: object <class 'pandas.core.series.Series'> name
0    Snow
1  Tyrion <class 'pandas.core.frame.DataFrame'> name  age
0    Snow   22
1  Tyrion   32 <class 'pandas.core.frame.DataFrame'>

5 通过.iloc[]用数字定位获取指定行、列的数据

在column_name特别长或者index是时间序列等各种不方便输入的情况下，可以用iloc[row_index, column_index]，它完全用数字来定位。

5.1 获取单个数据（类型依数据本身）

格式：

df.iloc[indexX,indexY] 

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.iloc[0, 0]  # 获取第0行第0列的数据，'Snow'
df_2 = df.iloc[1, 2]  # 获取第1行第2列的数据，32
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

Snow 
<class 'str'> 
32 
<class 'numpy.int64'>

5.2 获取单行数据（Series/DataFrame）

格式：

# 返回值为Series类型
df.iloc[index] 
# 返回值为DataFrame类型
df.iloc[index:index+1] 

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.iloc[0]
df_2 = df.iloc[0:1]
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

name      Snow
gender       M
age         22
Name: 0, dtype: object 
<class 'pandas.core.series.Series'> name gender  age
0  Snow      M   22 
<class 'pandas.core.frame.DataFrame'>

5.2 获取单列数据（Series/DataFrame）

格式：

# 返回值为Series类型
df.iloc[:,index] 
# 返回值为DataFrame类型
df.iloc[:,index:index+1] 

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.iloc[:,0]
df_2 = df.iloc[:,0:1]
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

0      Snow
1    Tyrion
2     Sansa
3      Arya
Name: name, dtype: object <class 'pandas.core.series.Series'> name
0    Snow
1  Tyrion
2   Sansa
3    Arya <class 'pandas.core.frame.DataFrame'>

5.3 获取多行多列的数据（DataFrame）

格式：

# 获取第start_index行到end_index-1行，index1,index2,...列的数据
df.iloc[start_index:end_index,[index1,index2,...]] 
# 获取index1,index2,...行，第start_index行到end_index-1列的数据
df.iloc[[index1,index2,...],start_index:end_index]

df = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])
df_1 = df.iloc[[1, 3], 0:1]  # 获取第1行和第3行，第0列的数据
df_2 = df.iloc[1:3, [1, 2]]  # 获取第1行到第2行，第1列和第2列的数据
print(df_1,'\n',type(df_1),'\n',df_2,'\n',type(df_2))

     name
1  Tyrion
3    Arya 
<class 'pandas.core.frame.DataFrame'> gender  age
1      M   32
2      F   18 
<class 'pandas.core.frame.DataFrame'>

6 复制一个表的数据到另一个表

data_copy = data.copy()

这篇关于Python - pandas DataFrame创建、数据提取(loc、iloc)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/326982。

相关文章

使用Java将各种数据写入Excel表格的操作示例

使用Java将各种数据写入Excel表格的操作示例

《使用Java将各种数据写入Excel表格的操作示例》在数据处理与管理领域,Excel凭借其强大的功能和广泛的应用,成为了数据存储与展示的重要工具,在Java开发过程中,常常需要将不同类型的数据,本文... 目录前言安装免费Java库1. 写入文本、或数值到 Excel单元格2. 写入数组到 Excel表格
阅读更多...
Python中pywin32 常用窗口操作的实现

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句
阅读更多...
利用Python打造一个Excel记账模板

利用Python打造一个Excel记账模板

《利用Python打造一个Excel记账模板》这篇文章主要为大家详细介绍了如何使用Python打造一个超实用的Excel记账模板,可以帮助大家高效管理财务,迈向财富自由之路,感兴趣的小伙伴快跟随小编一... 目录设置预算百分比超支标红预警记账模板功能介绍基础记账预算管理可视化分析摸鱼时间理财法碎片时间利用财
阅读更多...
Python中的Walrus运算符分析示例详解

Python中的Walrus运算符分析示例详解

《Python中的Walrus运算符分析示例详解》Python中的Walrus运算符（:=）是Python3.8引入的一个新特性,允许在表达式中同时赋值和返回值,它的核心作用是减少重复计算,提升代码简... 目录1. 在循环中避免重复计算2. 在条件判断中同时赋值变量3. 在列表推导式或字典推导式中简化逻辑
阅读更多...
python处理带有时区的日期和时间数据

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息
阅读更多...
Python位移操作和位运算的实现示例

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项：2. 位运算2.1
阅读更多...
Qt实现网络数据解析的方法总结

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理（处理粘包/拆包）3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义
阅读更多...
使用Python和Pyecharts创建交互式地图

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域，创建交互式地
阅读更多...
SpringMVC 通过ajax 前后端数据交互的实现方法

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》：本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中，经常在html页面通过AJAX进行前后端数据的交互，SpringMVC的controll
阅读更多...
利用python实现对excel文件进行加密

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一：使用pywin32库（仅限Windows）方法二：使用msoffcrypto-too
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2