利用pandas怎么对行列的数据进行抽取-创新互联
今天就跟大家聊聊有关利用pandas怎么对行列的数据进行抽取，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
取行和列的几种常用方式：
data[ 列名 ]： 取单列或多列，不能用连续方式取，也不能用于取行。
data.列名： 只用于取单列，不能用于行。
data[ i:j ]： 用起始行下标(i)和终止行下标(j)取单行或者连续多行，不能用于列的选取。
data.loc[行名,列名]： 用对象的.loc[]方法实现各种取数据方式。
data.iloc[行下标,列下标]： 用对象的.iloc[]方法实现各种取数据方式。
首先生成一个DataFrame对象：
import pandas as pd score = [[34,67,87],[68,98,58],[75,73,86],[94,59,81]] name = ['小新','小红','小李'] course = ['语文','数学','英语','政治'] mydata = pd.DataFrame(data=score,columns=name,index=course)#指定行列名 print(mydata)
小新 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86
政治 94 59 81
1. 直接用列名抽取单列或多列 – data[列名]
print(mydata['小红']) # 输出是一个Series对象，而不是DataFrame对象 语文 67 数学 98 英语 73 政治 59 print(mydata[['小红']]) # 加了[]，此时输出的是DataFrame对象 小红 语文 67 数学 98 英语 73 政治 59 print(mydata[['小红','小李']]) #选择两列，此时必须用[]将两列括起来 小红 小李 语文 67 87 数学 98 58 英语 73 86 政治 59 81
2. 用行所在矩阵索引抽取一个行或者连续多行数据
print(mydata[0:1]) #通过0:1选择了第0行 小新 小红 小李 语文 34 67 87 mydata[0:3] #通过0:3选择了第0,1,2三行 小新 小红 小李 语文 34 67 87 数学 68 98 58 英语 75 73 86
3. 用数据的“·”方式获取某一列数据
print(mydata.小红) #通过.小红选择了小红列，注意输出的是Series对象 语文 67 数学 98 英语 73 政治 59
4. panadas 中利用DataFrame对象的.loc[,]、.iloc[,]方法抽取数据
引例：
import pandas as pd score = [[34,67,87],[68,98,58],[75,73,86],[94,59,81]] name = ['小新','小红','小李'] course = ['语文','数学','英语','政治'] mydata1 = pd.DataFrame(data=score,columns=name,index=course) # 指定行名（index）和列名（columns） print(mydata1) mydata2 = pd.DataFrame(score) # 不指定行列名，默认使用0,1,2…… print(mydata2)
小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86
政治 94 59 81
0 1 2
0 34 67 87
1 68 98 58
2 75 73 86
3 94 59 81
DataFrame对象的.loc[]和.iloc[]方法都可用于抽取数据，区别是：
.loc[]： 以列名和行名作为参数。
.iloc[]： 以二维矩阵的位置指标（即0,1,2……）作为参数。
.loc[]语法：
有两个输入参数，第一个指定行名，第二个指定列名。当只有一个参数时，默认是行名（即抽取整行），所有列都选中。
.iloc[]语法：
有两个输入参数，第一个指定行位置，第二个指定列位置。当只有一个参数时，默认是行位置（即抽取整行），所有列都选中。
总结：
当需要选中所有行的某几列时，行参数可以省略，列参数需要指定，此时列参数前面必须带上“,:”，形如.loc[:,列参数]，.iloc[:,列参数]。
两种方法当只指定一个输入参数时，都默是跟“行”相关，而“列”则全部被选中。如何行和列都需要指定时，中间用“逗号,”隔开，这非常重要，否则出错。
两个方法都接受两个参数，第一个是“行标签”或者“矩阵行号”，第二个是“列标签”或者“矩阵列号”。
看完上述内容，你们对利用pandas怎么对行列的数据进行抽取有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。
本文标题：利用pandas怎么对行列的数据进行抽取-创新互联
当前地址：http://ybzwz.com/article/djohgi.html
