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中注解与元数据示例详解

Java中注解与元数据示例详解

《Java中注解与元数据示例详解》Java注解和元数据是编程中重要的概念,用于描述程序元素的属性和用途,：本文主要介绍Java中注解与元数据的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参... 目录一、引言二、元数据的概念2.1 定义2.2 作用三、Java 注解的基础3.1 注解的定义3.2 内
阅读更多...
将sqlserver数据迁移到mysql的详细步骤记录

将sqlserver数据迁移到mysql的详细步骤记录

《将sqlserver数据迁移到mysql的详细步骤记录》：本文主要介绍将SQLServer数据迁移到MySQL的步骤,包括导出数据、转换数据格式和导入数据,通过示例和工具说明,帮助大家顺利完成... 目录前言一、导出SQL Server 数据二、转换数据格式为mysql兼容格式三、导入数据到MySQL数据
阅读更多...
C++中使用vector存储并遍历数据的基本步骤

C++中使用vector存储并遍历数据的基本步骤

《C++中使用vector存储并遍历数据的基本步骤》C++标准模板库（STL）提供了多种容器类型,包括顺序容器、关联容器、无序关联容器和容器适配器,每种容器都有其特定的用途和特性,：本文主要介绍C... 目录（1）容器及简要描述‌php顺序容器‌‌关联容器‌‌无序关联容器‌（基于哈希表）：‌容器适配器‌：（
阅读更多...
Python判断for循环最后一次的6种方法

Python判断for循环最后一次的6种方法

《Python判断for循环最后一次的6种方法》在Python中,通常我们不会直接判断for循环是否正在执行最后一次迭代,因为Python的for循环是基于可迭代对象的,它不知道也不关心迭代的内部状态... 目录1.使用enuhttp://www.chinasem.cnmerate()和len()来判断for
阅读更多...
C#提取PDF表单数据的实现流程

C#提取PDF表单数据的实现流程

《C#提取PDF表单数据的实现流程》PDF表单是一种常见的数据收集工具,广泛应用于调查问卷、业务合同等场景,凭借出色的跨平台兼容性和标准化特点,PDF表单在各行各业中得到了广泛应用,本文将探讨如何使用... 目录引言使用工具C# 提取多个PDF表单域的数据C# 提取特定PDF表单域的数据引言PDF表单是一
阅读更多...
使用Python实现高效的端口扫描器

使用Python实现高效的端口扫描器

《使用Python实现高效的端口扫描器》在网络安全领域,端口扫描是一项基本而重要的技能,通过端口扫描,可以发现目标主机上开放的服务和端口,这对于安全评估、渗透测试等有着不可忽视的作用,本文将介绍如何使... 目录1. 端口扫描的基本原理2. 使用python实现端口扫描2.1 安装必要的库2.2 编写端口扫
阅读更多...
MySQL分表自动化创建的实现方案

MySQL分表自动化创建的实现方案

《MySQL分表自动化创建的实现方案》在数据库应用场景中,随着数据量的不断增长,单表存储数据可能会面临性能瓶颈,例如查询、插入、更新等操作的效率会逐渐降低,分表是一种有效的优化策略,它将数据分散存储在... 目录一、项目目的二、实现过程（一）mysql 事件调度器结合存储过程方式1. 开启事件调度器2. 创
阅读更多...
使用Python实现操作mongodb详解

使用Python实现操作mongodb详解

《使用Python实现操作mongodb详解》这篇文章主要为大家详细介绍了使用Python实现操作mongodb的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、示例二、常用指令三、遇到的问题一、示例from pymongo import MongoClientf
阅读更多...
使用Python合并 Excel单元格指定行列或单元格范围

使用Python合并 Excel单元格指定行列或单元格范围

《使用Python合并Excel单元格指定行列或单元格范围》合并Excel单元格是Excel数据处理和表格设计中的一项常用操作,本文将介绍如何通过Python合并Excel中的指定行列或单... 目录python Excel库安装Python合并Excel 中的指定行Python合并Excel 中的指定列P
阅读更多...
一文详解Python中数据清洗与处理的常用方法

一文详解Python中数据清洗与处理的常用方法

《一文详解Python中数据清洗与处理的常用方法》在数据处理与分析过程中,缺失值、重复值、异常值等问题是常见的挑战,本文总结了多种数据清洗与处理方法,文中的示例代码简洁易懂,有需要的小伙伴可以参考下... 目录缺失值处理重复值处理异常值处理数据类型转换文本清洗数据分组统计数据分箱数据标准化在数据处理与分析过
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2