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

如何使用C#串口通讯实现数据的发送和接收

如何使用C#串口通讯实现数据的发送和接收

《如何使用C#串口通讯实现数据的发送和接收》本文详细介绍了如何使用C#实现基于串口通讯的数据发送和接收,通过SerialPort类,我们可以轻松实现串口通讯,并结合事件机制实现数据的传递和处理,感兴趣... 目录1. 概述2. 关键技术点2.1 SerialPort类2.2 异步接收数据2.3 数据解析2.
阅读更多...
详解如何使用Python提取视频文件中的音频

详解如何使用Python提取视频文件中的音频

《详解如何使用Python提取视频文件中的音频》在多媒体处理中,有时我们需要从视频文件中提取音频,本文为大家整理了几种使用Python编程语言提取视频文件中的音频的方法,大家可以根据需要进行选择... 目录引言代码部分方法扩展引言在多媒体处理中，有时我们需要从视频文件中提取音频，以便进一步处理或分析。本文
阅读更多...
C#原型模式之如何通过克隆对象来优化创建过程

C#原型模式之如何通过克隆对象来优化创建过程

《C#原型模式之如何通过克隆对象来优化创建过程》原型模式是一种创建型设计模式,通过克隆现有对象来创建新对象,避免重复的创建成本和复杂的初始化过程,它适用于对象创建过程复杂、需要大量相似对象或避免重复初... 目录什么是原型模式？原型模式的工作原理C#中如何实现原型模式？1. 定义原型接口2. 实现原型接口3
阅读更多...
python多种数据类型输出为Excel文件

python多种数据类型输出为Excel文件

《python多种数据类型输出为Excel文件》本文主要介绍了将Python中的列表、元组、字典和集合等数据类型输出到Excel文件中,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... 目录一.列表List二.字典dict三.集合set四.元组tuplepython中的列表、元组、字典
阅读更多...
VSCode配置Anaconda Python环境的实现

VSCode配置Anaconda Python环境的实现

《VSCode配置AnacondaPython环境的实现》VisualStudioCode中可以使用Anaconda环境进行Python开发,本文主要介绍了VSCode配置AnacondaPytho... 目录前言一、安装 Visual Studio Code 和 Anaconda二、创建或激活 conda
阅读更多...
pytorch+torchvision+python版本对应及环境安装

pytorch+torchvision+python版本对应及环境安装

《pytorch+torchvision+python版本对应及环境安装》本文主要介绍了pytorch+torchvision+python版本对应及环境安装,安装过程中需要注意Numpy版本的降级,... 目录一、版本对应二、安装命令（pip）1. 版本2. 安装全过程3. 命令相关解释参考文章一、版本对
阅读更多...
大数据spark3.5安装部署之local模式详解

大数据spark3.5安装部署之local模式详解

《大数据spark3.5安装部署之local模式详解》本文介绍了如何在本地模式下安装和配置Spark,并展示了如何使用SparkShell进行基本的数据处理操作,同时,还介绍了如何通过Spark-su... 目录下载上传解压配置jdk解压配置环境变量启动查看交互操作命令行提交应用spark，一个数据处理框架
阅读更多...
讯飞webapi语音识别接口调用示例代码(python)

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》：本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音
阅读更多...
基于Python开发PDF转PNG的可视化工具

基于Python开发PDF转PNG的可视化工具

《基于Python开发PDF转PNG的可视化工具》在数字文档处理领域,PDF到图像格式的转换是常见需求,本文介绍如何利用Python的PyMuPDF库和Tkinter框架开发一个带图形界面的PDF转P... 目录一、引言二、功能特性三、技术架构1. 技术栈组成2. 系统架构javascript设计3.效果图
阅读更多...
通过ibd文件恢复MySql数据的操作方法

通过ibd文件恢复MySql数据的操作方法

《通过ibd文件恢复MySql数据的操作方法》文章介绍通过.ibd文件恢复MySQL数据的过程,包括知道表结构和不知道表结构两种情况,对于知道表结构的情况,可以直接将.ibd文件复制到新的数据库目录并... 目录第一种情况：知道表结构第二种情况：不知道表结构总结今天干了一件大事，安装1Panel导致原来服务
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2