1、学习DataFrame元素获取，需要掌握以下几个需求
- 访问一列 或 多列
- 访问一行 或 多行
- 访问某个值
- 访问某几行中的某几列
- 访问某几列中的某几行
2、构造一个DataFrame
df = pd.DataFrame(np.random.randint(70,100,(4,5)),
index=["地区1", "地区2", "地区3","地区4"],
columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)
结果如下：
注意：不管是单独获取到一行、还是一列，得到的都是一个Series。不管是单独获取到多行、还是多列，得到的都是一个DataFrame。
获取一列
x = df["广水"]
display(x)
display(type(x))
获取一行
y = df.loc["地区1"]
display(y)
display(type(y))
结果如下：
3、访问一列或多列：传入单个标签或标签数组
df = pd.DataFrame(np.random.randint(70,100,(4,5)),
index=["地区1", "地区2", "地区3","地区4"],
columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)
访问一列
x = df["武汉"]
display(x)
访问多列
y = df[["武汉","天门"]]
display(y)
结果如下：
4、访问一行或者多行：loc中传入标签索引、iloc中传入位置索引、切片方式、布尔数组方式
① loc标签索引
df = pd.DataFrame(np.random.randint(70,100,(4,5)),
index=["地区1", "地区2", "地区3","地区4"],
columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)
x1 = df.loc["地区1"]
display(x1)
x2 = df.loc[["地区1","地区2"]]
display(x2)
结果如下：
特别说明：”访问行”唯独不能使用类似df[0]，df[[0,1]]，df[“地区1”]，df[[“地区1″,”地区2”]]这样的方式。
② iloc位置索引
df = pd.DataFrame(np.random.randint(70,100,(4,5)),
index=["地区1", "地区2", "地区3","地区4"],
columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)
x3 = df.iloc[0]
display(x3)
x4 = df.iloc[[0,3]]
display(x4)
结果如下：
③ 切片方式：这种方式容易忽略，也容易弄错
df[0:2]
df[1:]
结果如下：
④ 布尔数组方式
df = pd.DataFrame(np.random.randint(70,100,(4,5)),
index=["地区1", "地区2", "地区3","地区4"],
columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)
y = df[df["武汉"] >= 80]
display(y)
结果如下：
5、访问某个值
如果说要访问下面数据框DataFrame中的95，应该怎么做呢？
① 先访问”地区3″这一行，再访问95这个数据
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
df.loc["地区3"]
df.loc["地区3"].loc["黄冈"]
结果如下：
② 先访问”黄冈”这一列，再访问95这个数据
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
df["黄冈"]
df["黄冈"].loc["地区3"]
结果如下：
③ 向loc中传入数据的标签坐标、向iloc中传入数据的位置坐标(最常用)
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
df.loc["地区3","黄冈"]
df.iloc[2,2]
结果如下：
④ 向at中传入数据的标签坐标、向iat中传入数据的位置坐标
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
df.at["地区3","黄冈"]
df.iat[2,2]
结果如下：
6、访问某几行中的某几列
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
先获取行，再获取列
df.loc[["地区1","地区3"]][["武汉","广水"]]
结果如下：
7、访问某几列中的某几行
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
先获取列，再获取行
df[["武汉","广水"]].loc[["地区1","地区3"]]
结果如下：
8、获取多行多列常用的一种方式：iloc+切片、loc+标签数组
① 获取多行多列：iloc+切片
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
x = df.iloc[:3,:]
display(x)
结果如下：
② 获取多行多列：loc+标签数组
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
x = df.loc[["地区1","地区3"],['武汉','天门','黄冈','孝感','广水']]
display(x)
结果如下：
9、获取多行多列常用的第二种方式：iloc+切片+位置数组、loc+切片+标签数组
① 获取多行多列：iloc+切片+位置数组
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
x = df.iloc[1:,[1,4]]
display(x)
y = df.iloc[[1,3],1:]
display(y)
结果如下：
② 获取多行多列：loc+切片+标签数组
df = pd.DataFrame({"武汉":[78,99,81,77],
"天门":[74,97,96,97],
"黄冈":[77,80,95,84],
"孝感":[92,84,75,80],
"广水":[85,85,72,74]},
index=["地区1", "地区2", "地区3","地区4"]
)
display(df)
x = df.loc["地区1":,["武汉","广水"]]
display(x)
y = df.loc[["地区1","地区3"],"天门":]
display(y)
结果如下：
Original: https://www.cnblogs.com/math98/p/13591374.html
Author: math98
Title: DataFrame(4)：DataFrame元素的获取方式
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/559827/
转载文章受原作者版权保护。转载请注明原作者出处！