利用Pandas读取某列某行数据之loc和iloc用法总结

import pandas as pd
import numpy as np
 
# 生成DataFrame
data = pd.DataFrame(np.arange(30).reshape((6,5)),
                    columns=['A','B','C','D','E'])
# 写入本地
data.to_excel("D:\\实验数据\\data.xls", sheet_name="data")
print(data)

# 索引第二行的值，行标签是“1”
data1 = data.loc[1]
 

# 读取第二列全部值
data2 = data.loc[ : ,"B"]

# 读取第1行，第B列对应的值
data3 = data.loc[ 1, "B"]

# 读取第1行到第3行，第B列到第D列这个区域内的值
data4 = data.loc[ 1:3, "B":"D"]

# 读取第B列中大于6的值
data5 = data.loc[ data.B > 6] #等价于 data5 = data[data.B > 6]

# 进行切片操作，选择B，C，D，E四列区域内，B列大于6的值
data1 = data.loc[ data.B >6, ["B","C","D","E"]]

# 读取第二行的值，与loc方法一样
 
data1 = data.iloc[1]
 
# data1 = data.iloc[1, :]，效果与上面相同

# 读取第二列的值
data1 = data.iloc[:, 1]

# 读取第二行,第二列的值
data1 = data.iloc[1, 1]

# 按index和columns进行切片操作
# 读取第2、3行，第3、4列
data1 = data.iloc[1:3, 2:4]

In[8]:data.loc[:,:] #取A,B,C,D列的所有行
Out[8]: 
    A   B   C   D
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15
 
In[9]:data.iloc[:,:] #取第0,1,2,3列的所有行
Out[9]: 
    A   B   C   D
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15

In[10]: data.loc[data['A']==0] #提取data数据(筛选条件: A列中数字为0所在的行数据)
Out[10]: 
   A  B  C  D
a  0  1  2  3