pandas基础入门之数据选择

• 用index表示行索引名称。
• 用columns表示列索引名称。

单值方式，用索引来定位。

import pandas as pd
import  numpy as np

df=pd.Series([1,2,4],index=('a','b','c'))
print(df)
print(df['a'])
print(df[0])



out：
a    1
b    2
c    4
dtype: int64
1------>索引为'a'的值
1------->第1行的值

• 连续方式。

import pandas as pd

import  numpy as np

df=pd.Series([1,2,4,7,8],index=('a','m','c','e','f'))
print(df)
print(df[0:3])-------->>区间是左闭右开，不能取到右边的值
print(df[-2:-1])------->>负值表示从后开始取数
print(df['a':'c'])------>>可以取到区间右边的值
print(df[:])---------->>表示取全部的数



out：
a    1
m    2
c    4
e    7
f    8
dtype: int64
a    1
m    2
c    4
dtype: int64
e    7
dtype: int64
a    1
m    2
c    4
dtype: int64
a    1
m    2
c    4
e    7
f    8
dtype: int64

• 列表方式。将要取值的索引或者行数放在一个列表里面。

import pandas as pd

import  numpy as np

df=pd.Series([1,2,4,7,8],index=('a','m','c','e','f'))
print(df)
print(df[['m','e','f']])
print(df[[0,2,4]])



out：
a    1
m    2
c    4
e    7
f    8
dtype: int64
m    2
e    7
f    8
dtype: int64
a    1
c    4
f    8
dtype: int64

• 布尔方式。

import pandas as pd

import  numpy as np

df=pd.Series([1,2,4,7,8],index=('a','m','c','e','f'))
print(df)
print(df[df==4])
print(df.isin([4,7]))



out：
a    1
m    2
c    4
e    7
f    8
dtype: int64
c    4
dtype: int64
a    False
m    False
c     True
e     True
f    False
dtype: bool

• 索引名称函数 loc[] ，也就是说loc是根据index来索引，比如下边的df定义了一个index，那么loc就根据这个index来索引对应的行。
• 索引位置函数 iloc[]，iloc并不是根据index来索引，而是根据行号来索引，行号从0开始，逐次加1。

• 索引名称函数 at[]

• 索引位置函数 iat[]

import pandas as pd

import  numpy as np

df=pd.Series([1,2,4,7,8],index=('a','m','c','e','f'))
print(df)
print(df.loc['a':'c'])
print(df.loc[['e','f']])
print(df.iloc[0:2])-------->>左闭右开的区间
print(df.iloc[3])

print(df.at['e'])
print(df.iat[2])

out：
a    1
m    2
c    4
e    7
f    8
dtype: int64
a    1
m    2
c    4
dtype: int64
e    7
f    8
dtype: int64
a    1
m    2
dtype: int64
7

7-------->>对应的index是'e'
4-------->>对应的是第3行