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

Java 虚拟线程的创建与使用深度解析

Java 虚拟线程的创建与使用深度解析

《Java虚拟线程的创建与使用深度解析》虚拟线程是Java19中以预览特性形式引入,Java21起正式发布的轻量级线程,本文给大家介绍Java虚拟线程的创建与使用,感兴趣的朋友一起看看吧... 目录一、虚拟线程简介1.1 什么是虚拟线程？1.2 为什么需要虚拟线程？二、虚拟线程与平台线程对比代码对比示例：三
阅读更多...
k8s按需创建PV和使用PVC详解

k8s按需创建PV和使用PVC详解

《k8s按需创建PV和使用PVC详解》Kubernetes中,PV和PVC用于管理持久存储,StorageClass实现动态PV分配,PVC声明存储需求并绑定PV,通过kubectl验证状态,注意回收... 目录1.按需创建 PV（使用 StorageClass）创建 StorageClass2.创建 PV
阅读更多...
Python版本信息获取方法详解与实战

Python版本信息获取方法详解与实战

《Python版本信息获取方法详解与实战》在Python开发中,获取Python版本号是调试、兼容性检查和版本控制的重要基础操作,本文详细介绍了如何使用sys和platform模块获取Python的主... 目录1. python版本号获取基础2. 使用sys模块获取版本信息2.1 sys模块概述2.1.1
阅读更多...
一文详解Python如何开发游戏

一文详解Python如何开发游戏

《一文详解Python如何开发游戏》Python是一种非常流行的编程语言,也可以用来开发游戏模组,：本文主要介绍Python如何开发游戏的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下... 目录一、python简介二、Python 开发 2D 游戏的优劣势优势缺点三、Python 开发 3D
阅读更多...
Python函数作用域与闭包举例深度解析

Python函数作用域与闭包举例深度解析

《Python函数作用域与闭包举例深度解析》Python函数的作用域规则和闭包是编程中的关键概念,它们决定了变量的访问和生命周期,：本文主要介绍Python函数作用域与闭包的相关资料,文中通过代码... 目录1. 基础作用域访问示例1：访问全局变量示例2：访问外层函数变量2. 闭包基础示例3：简单闭包示例4
阅读更多...
Python实现字典转字符串的五种方法

Python实现字典转字符串的五种方法

《Python实现字典转字符串的五种方法》本文介绍了在Python中如何将字典数据结构转换为字符串格式的多种方法,首先可以通过内置的str()函数进行简单转换;其次利用ison.dumps()函数能够... 目录1、使用json模块的dumps方法：2、使用str方法：3、使用循环和字符串拼接：4、使用字符
阅读更多...
Python版本与package版本兼容性检查方法总结

Python版本与package版本兼容性检查方法总结

《Python版本与package版本兼容性检查方法总结》：本文主要介绍Python版本与package版本兼容性检查方法的相关资料,文中提供四种检查方法,分别是pip查询、conda管理、PyP... 目录引言为什么会出现兼容性问题方法一：用 pip 官方命令查询可用版本方法二：conda 管理包环境方法
阅读更多...
Linux创建服务使用systemctl管理详解

Linux创建服务使用systemctl管理详解

《Linux创建服务使用systemctl管理详解》文章指导在Linux中创建systemd服务,设置文件权限为所有者读写、其他只读,重新加载配置,启动服务并检查状态,确保服务正常运行,关键步骤包括权... 目录创建服务 /usr/lib/systemd/system/设置服务文件权限：所有者读写js，其他
阅读更多...
Linux下利用select实现串口数据读取过程

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码（使用select实现）代码解释总结在 linux 系统里，我们可以借助 select、
阅读更多...
基于Python开发Windows自动更新控制工具

基于Python开发Windows自动更新控制工具

《基于Python开发Windows自动更新控制工具》在当今数字化时代,操作系统更新已成为计算机维护的重要组成部分,本文介绍一款基于Python和PyQt5的Windows自动更新控制工具,有需要的可... 目录设计原理与技术实现系统架构概述数学建模工具界面完整代码实现技术深度分析多层级控制理论服务层控制注
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2