pandas获取对应的行或者列方式

更新时间：2024年02月24日 08:44:55 作者：小瓶盖的猪猪侠

这篇文章主要介绍了pandas获取对应的行或者列方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

loc

通过标签或布尔数组访问一组行和列。

.loc[] 主要基于标签，但也可以与布尔数组一起使用。

允许的输入为：

单个标签，例如’a’，
标签列表或数组，例如。[‘a’, ‘b’, ‘c’]
带有标签的切片对象，例如’a’:‘f’。
与切片轴长度相同的布尔数组，例如。[True, False, True]
可对齐的布尔系列。遮罩之前，键的索引将对齐。
可对齐索引。返回的选择的索引将作为输入。

获取单行

为了获取当行，只需要利用行号就能够获取，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc["viper"])
max_speed    4
shield       5
Name: viper, dtype: int64

获取特定的几行

可以将多个行号组成一个list，然后作为参数输入进去

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[["cobra",'sidewinder']])
            max_speed  shield
cobra               1       2
sidewinder          7       8

利用切片获取多个连续的行

在利用切片时，也需要使用label进行切片，否则pandas不会识别

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper': 'sidewinder'])
            max_speed  shield
viper               4       5
sidewinder          7       8

获取特定行和列

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper','shield'])
5

也可以通过切片和列组合，获取特定的数值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc['viper': 'sidewinder',:])
            max_speed  shield
viper               4       5
sidewinder          7       8

通过bool值进行选择

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[[False, False, True]]
            max_speed  shield
sidewinder          7       8

通过条件进行选择获取

通过条件获取，时间也是通过bool获取的一种特例，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[df['shield'] > 6]
            max_speed  shield
sidewinder          7       8

通过下面的结果，我们可以看出，通过条件获取后是一个对象，该对象的值就是一个bool列表，通过条件获取就是通过这个bool列表进行获取

>>> s = df['shield'] > 6
>>> type(s)
<class 'pandas.core.series.Series'>
>>> s.values
array([False, False,  True])

通过回调函数获取

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[lambda df: df['shield'] == 8]
            max_speed  shield
sidewinder          7       8

对数值进行修改

这里主要讲的是对数值的修改是永久性的，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> df
            max_speed  shield
cobra               1       2
viper               4      50
sidewinder          7      50

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

django 多数据库配置教程
今天小编就为大家分享一篇django 多数据库配置教程，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
2018-05-05
PyTorch如何创建自己的数据集
这篇文章主要介绍了PyTorch如何创建自己的数据集，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-11-11
详解Python中的from..import绝对导入语句
绝对导入其实非常简单,即是用from语句在import前指明顶层package名,下面我们通过两个例子来详解Python中的from..import绝对导入语句
2016-06-06
Python按指定列的空值删除行的操作代码
这篇文章主要介绍了Python按指定列的空值删除行的操作代码,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧
2024-01-01
详解如何使用Python实现删除重复文件
这篇文章主要为大家详细介绍了如何利用Python实现删除重复文件功能，文中的示例代码讲解详细，对我们学习Python有一定帮助，需要的可以参考一下
2022-10-10
python with (as)语句实例详解
这篇文章主要介绍了python with (as)语句实例详解,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,需要的朋友可以参考下
2020-02-02
python基于twisted框架编写简单聊天室
这篇文章主要为大家详细介绍了python基于twisted框架编写简单聊天室，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-01-01
python捕获警告的三种方法
这篇文章主要介绍了python捕获警告的三种方法，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
2021-03-03
Python库textract提取各种文档类型中文本数据
Python的textract库是一个强大的工具,它可以从各种文档类型中提取文本数据,无论是PDF、Word文档、图片还是其他格式的文件,textract都可以轻松地将文本提取出来,本文将详细介绍textract的功能和用法,并提供丰富的示例代码来帮助大家深入了解
2024-01-01
Python高级特性与几种函数的讲解
今天小编就为大家分享一篇关于Python高级特性与几种函数的讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
2019-03-03