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
这篇文章主要介绍了Python操作Access数据库基本步骤,结合实例形式详细分析了Python针对access操作的具体步骤与相关注意事项,需要的朋友可以参考下2016-09-09
这篇文章主要介绍了简单了解python数组的基本操作,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2019-11-11
这篇文章主要介绍了简单了解python协程的相关知识,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2019-08-08
这篇文章主要给大家介绍了关于python基本算法之实现归并排序(Merge sort)的相关资料，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2020-09-09
这篇文章主要介绍了Python流程控制语句的的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2020-10-10
这篇文章主要为大家详细介绍了Django与DRF结合的全局异常处理方案，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-02-02
能被 next 指针调用，并不断返回下一个值的对象，叫做迭代器。表示为Iterator，迭代器是一个对象类型数据。本文将详细为大家讲讲迭代器的原理及使用，感兴趣的可以学习一下2022-04-04
Django提供了一套强大的测试工具来帮助开发者编写和运行单元测试,本文就来介绍一下Django中的单元测试,包括测试原理、编写测试用例和运行测试,感兴趣的可以了解一下2023-11-11
今天带大家复习python框架的相关知识,文中对flask作了非常详细的介绍,对正在学习python的小伙伴们有很好的帮助,需要的朋友可以参考下2021-05-05
这篇文章主要介绍了使用Python处理文件目录的相关方法,使用到了os模块,需要的朋友可以参考下2015-10-10
最新评论