pandas系列之DataFrame 行列数据筛选实例
一、对DataFrame的认知
DataFrame的本质是行(index)列(column)索引+多列数据。
为了简化理解，我们不妨换个思路…
现实中，为了简化对一件事物的描述，我们会选择几个特征。
例如，从（性别、身高、学历、职业、爱好..）等角度去刻画一个人，这些“角度”即为“特征”。
其中，不同的行表示不同的记录；列代表特征，不同记录因各个特征之间的差异而不同。
DataFrame默认索引是序号（0，1，2…），可以理解成位置索引。一般我们用id标识不同记录，不会改变index。但为了理解不同特征（列）含义，我们往往会重新指定column。
一些简易但不算严谨的理解是：
行列
行 – index – 记录 （一般沿用默认索引）
列 – column – 特征 （自定义索引）
索引
默认索引 – 序号 – 位置 – 方便索引但理解不易
自定义索引 – 特征名称 – 属性 – 便于理解
二、对dataframe进行行列数据筛选
import pandas as pd,numpy as np
from pandas import DataFrame
df = DataFrame(np.arange(20).reshape((4,5)),column = list('abcde'))
1.df[]&df. 选取列数据
df.a df[[‘a','b']]
2.df.loc[[index],[colunm]] 通过标签选择数据
不对行进行筛选时，[index]处填 : (不能为空)，即df.loc[:,'a']表示选取a列全部数据。
df.loc[0,'a'] df.loc[0:1,[‘a','b']] df.loc[[0,2],[‘a','c']]
3.df.iloc[[index],[colunm]] 通过位置选择数据
不对行进行筛选时，同df.loc[]，即[index]处不能为空。
df.iloc[0,0] df.iloc[0:1,1:3] df.iloc[[0,2],[1,3]]
4.df.ix[[index],[column]] 通过标签or位置选择数据
df.ix[]混合了标签和位置选择。需要注意的是，[index]和[column]的框内需要指定同一类的选择。
df.ix[[0:1],[‘a',3]]报错
以上这篇pandas系列之DataFrame 行列数据筛选实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
让python在hadoop上跑起来，python如何在hadoop上跑起来？感兴趣的小伙伴们可以参考一下2016-01-01
决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法2022-01-01
python geopandas读取、创建shapefile文件的方法
shapefile是GIS中非常重要的一种数据类型，在ArcGIS中被称为要素类(Feature Class)，主要包括点(point)、线(polyline)和多边形(polygon)，本文重点给大家介绍python geopandas读取、创建shapefile文件的方法，需要的朋友参考下吧2021-06-06
今天小编就为大家分享一篇TensorFlow 显存使用机制详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
今天小编就为大家分享一篇解决Shell执行python文件,传参空格引起的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
这篇文章主要为大家详细介绍了Python+OpenCV目标跟踪实现基本的运动检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-07-07
今天抽空给大家介绍Django模板层过滤器和继承的问题，本文通过实例代码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值，需要的朋友参考下吧2021-07-07
今天小编就为大家分享一篇python 修改本地网络配置的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要介绍了Python如何做一个名片管理系统，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起学习学习吧2019-03-03
这篇文章主要介绍了解决使用pandas聚类时的小坑，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
最新评论