使用pandas時,經常會對某行、某列、滿足條件的數據進行統計計算。
以下總結了pandas數據選擇的常見方法,包括loc、iloc等方法的使用。
首先讀取數據:
df = pd.read_excel('zpxx.xlsx')
1、元素、索引、列名獲取
可以利用DataFrame的基礎屬性values、index、columns,分別獲取元素、索引、列名
print('獲取元素:\n', df.values) # 返回二維列表
print('獲取索引:\n', df.index) # 返回行的索引,可使用list轉換為列表格式
print('獲取列名:\n', df.columns) # 返回字段名,可使用list轉換為列表格式
2、行的選取
(1)head()和tail()方法
DataFrame提供的head()和tail()方法,可以實現多行數據的獲取,從開頭或末尾獲取連續數據,默認為是前或後5行數據;可以在方法中輸入訪問行數,實現目標行數的查看。
默認情況下:
print('前5行(默認)數據:\n', df.head())
print('後5行(默認)數據:\n', df.tail())
指定查看行數:
print('指定查看前3行數據:\n', df.head(3))
指定查看某個字段的目標行數:
print('指定查看【關鍵詞】字段的前3行數據:\n', df['關鍵詞'].head(3))
(2)切片方式
格式:df[m:n],m、n代表指定的行數,左閉右開
print('查看第2-第6行數據:\n', df[1:6])
3、列的選取
(1)以字典訪問某一個key的值的方式
選取某一列:df[‘列名’]
選取多列:df[[‘列名1’,’列名2’,’列名3’]]
選取某一列:
print('選取【采集時間】列:\n', df['采集時間'])
選取多列:
print('選取多列:\n', df[['關鍵詞', '采集時間']])
(2)訪問屬性的方式訪問
用法:df.列名
最好不用,字段名與內部固定方法名之間容易引起混亂。
print('選取【采集時間】列:\n', df.采集時間)
4、loc和iloc行列選擇
(1)loc用法
語法:df.loc[行索引名稱或條件,列索引名稱]
loc是針對DataFrame索引名稱的切片方式,必須傳入的是索引名稱,否則不能執行;且行索引不能為空,否則將失去意義。
第一種用法,行列索引同時都有:
print('選取【采集時間】整列數據:\n', df.loc[:, '采集時間']) # loc用法
print('選取前5行的【采集時間】:\n', df.loc[:4, '采集時間']) # loc用法
注:如果行索引是一個區間,則前後都為閉區間。上面“:4”代表的是行索引[0:4],都為閉區間。
print('選取第3行的【采集時間】:\n', df.loc[2, '采集時間']) # loc用法
第二種,只有行標簽:
注:如果行索引是一個區間,則前後都為閉區間。
print('選取第一行', df.loc[0])
print('選取第2行,第4行:\n', df.loc[[0, 3]])
print('選取前3行:\n', df.loc[0:2])
第三種,傳入條件:
print('選取【學歷】是本科的數據:\n', df.loc[df['學歷'] == '本科', ['學歷', '所在地']])
(2)iloc用法
語法:df.iloc[行索引位置,列索引位置]
iloc與loc不同的是,iloc是基於位置來選取數據。只接受整型數據,如df.iloc[1]、df.iloc[1,2]、df[:4,3]、df[1,[1,2,5]]
print('選取【關鍵詞】字段的前4行數據:\n', df.iloc[:4, 0]) # iloc用法
注:這裡的“:4”表示行的位置[0,4),從0開始,左閉右開;“0”則表示【關鍵詞】字段在第一個位置。
總體來看,loc使用更為靈活,代碼可讀性更高。
5、ix數據選擇
ix方法在使用時既可以接收索引名稱,也可以接收索引位置。
語法:df.ix[行索引的名稱或位置或條件,列索引名稱或位置]
注意:當索引名稱和位置存在部分重疊時,ix默認優先識別名稱。
ix方法在pandas 1.0.0之後,已經移除,用loc和iloc方法進行替換。
以上就是pandas數據選取的常見用法。
【微信搜索【一位代碼】即可關注我】
-end-