#提取2-3行，1-2列数据df.iloc[1:3,0:2]
#提取第二第三行，第4列数据df.iloc[[1,2],[3]]
二，Pandas使用df.loc查询数据的方法
- 以上查询方法，既适用于行，也适用于列
##########################################
>>> df=pd.DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','C','D','E'],columns=['c1','c2','c3','c4','c5'])
>>> df
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
D 0.478346 0.311616 0.466326 0.045612 0.258015
E 0.421653 0.577140 0.103048 0.235219 0.550336
##########################################
>>> df[['c1','c2']]
c1 c2
A 0.499404 0.082137
B 0.564688 0.102398
C 0.319272 0.720225
D 0.478346 0.311616
E 0.421653 0.577140
##########################################
>>> df.c1
A 0.499404
B 0.564688
C 0.319272
D 0.478346
E 0.421653
Name: c1, dtype: float64
##########################################
>>> df['A':'C']
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
##########################################
>>> df[1:3]
c1 c2 c3 c4 c5
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
##########################################
1、使用数值区间进行范围查询
有点类似list的切片
>>> df.loc['A':'D',:]
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
D 0.478346 0.311616 0.466326 0.045612 0.258015
##########################################
2、单个label值查询
类似坐标查询
>>> df.loc['A','c2']
0.08213716245372071
##########################################
3、使用列表批量查询
>>> df.loc[['A','B','D'],['c1','c3']]
c1 c3
A 0.499404 0.472568
B 0.564688 0.374904
D 0.478346 0.466326
##########################################
4、使用条件表达式查询
>>> df.loc[df['c2']>0.5,:]
c1 c2 c3 c4 c5
C 0.319272 0.720225 0.979103 0.910206 0.766642
E 0.421653 0.577140 0.103048 0.235219 0.550336
>>> df[(df['c2']>0.2) & (df['c3'] < 0.8)]
c1 c2 c3 c4 c5
D 0.478346 0.311616 0.466326 0.045612 0.258015
E 0.421653 0.577140 0.103048 0.235219 0.550336
##########################################
5、使用函数查询
def query_my_data(df):
return ((df['c3']>0.2) & (df["c4"]
##########################################
同df.loc类似，根据索引定位
>>> df.iloc[1:3,0:2]
c1 c2
B 0.564688 0.102398
C 0.319272 0.720225
##########################################
c4
B 0.091373
C 0.910206
##########################################
>>> df.iloc[3,4]
0.2580148841605816
Original: https://blog.csdn.net/qq_48391148/article/details/124674329
Author: Wangsh@
Title: Pandas查询选取数据
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/738603/
转载文章受原作者版权保护。转载请注明原作者出处！