这次给大家带来pandas+dataframe实现行列选择与切片操作，pandas+dataframe实现行列选择与切片操作的注意事项有哪些，下面就是实战案例，一起来看一下。
SQL中的select是根据列的名称来选取；Pandas则更为灵活，不但可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。相关函数如下：
1）loc，基于列label，可选取特定行（根据行index）；
2）iloc，基于行/列的position；
3）at，根据指定行index及列label，快速定位DataFrame的元素；
4）iat，与at类似，不同的是根据position来定位的；
5）ix，为loc与iloc的混合体，既支持label也支持position；
实例
import pandas as pdimport numpy as npdf = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59], 'tip': [1.01, 1.66, 3.50, 3.31, 3.61], 'sex': ['Female', 'Male', 'Male', 'Male', 'Female']})# data type of columnsprint df.dtypes# indexesprint df.index# return pandas.Indexprint df.columns# each row, return array[array]print df.valuesprint df
登录后复制
sex objecttip float64total_bill float64dtype: objectRangeIndex(start=0, stop=5, step=1)Index([u'sex', u'tip', u'total_bill'], dtype='object')[['Female' 1.01 16.99] ['Male' 1.66 10.34] ['Male' 3.5 23.68] ['Male' 3.31 23.68] ['Female' 3.61 24.59]] sex tip total_bill0 Female 1.01 16.991 Male 1.66 10.342 Male 3.50 23.683 Male 3.31 23.684 Female 3.61 24.59
登录后复制
print df.loc[1:3, ['total_bill', 'tip']]print df.loc[1:3, 'tip': 'total_bill']print df.iloc[1:3, [1, 2]]print df.iloc[1:3, 1: 3]
登录后复制
total_bill tip1 10.34 1.662 23.68 3.503 23.68 3.31 tip total_bill1 1.66 10.342 3.50 23.683 3.31 23.68 tip total_bill1 1.66 10.342 3.50 23.68 tip total_bill1 1.66 10.342 3.50 23.68
登录后复制
错误的表示：
print df.loc[1:3, [2, 3]]#.loc仅支持列名操作
登录后复制
KeyError: 'None of [[2, 3]] are in the [columns]'
登录后复制
print df.loc[[2, 3]]#.loc可以不加列名，则是行选择
登录后复制
sex tip total_bill2 Male 3.50 23.683 Male 3.31 23.68
登录后复制
print df.iloc[1:3]#.iloc可以不加第几列，则是行选择
登录后复制
sex tip total_bill1 Male 1.66 10.342 Male 3.50 23.68
登录后复制
print df.iloc[1:3, 'tip': 'total_bill']
登录后复制
TypeError: cannot do slice indexing on with these indexers [tip] of
登录后复制
print df.at[3, 'tip']print df.iat[3, 1]print df.ix[1:3, [1, 2]]print df.ix[1:3, ['total_bill', 'tip']]
登录后复制
3.313.31 tip total_bill1 1.66 10.342 3.50 23.683 3.31 23.68 total_bill tip1 10.34 1.662 23.68 3.503 23.68 3.31
登录后复制
print df.ix[[1, 2]]#行选择
登录后复制
sex tip total_bill1 Male 1.66 10.342 Male 3.50 23.68
登录后复制
print df[1: 3]print df[['total_bill', 'tip']]# print df[1:2, ['total_bill', 'tip']] # TypeError: unhashable type
登录后复制
sex tip total_bill1 Male 1.66 10.342 Male 3.50 23.68 total_bill tip0 16.99 1.011 10.34 1.662 23.68 3.503 23.68 3.314 24.59 3.61
登录后复制
print df[1:3,1:2]
登录后复制
TypeError: unhashable type
登录后复制
相信看了本文案例你已经掌握了方法，更多精彩请关注【创想鸟】其它相关文章！
推荐阅读：
pandas中的Dataframe查询有哪些方法
selenium+cookie跳过验证码登录实现步奏详解
以上就是pandas+dataframe实现行列选择与切片操作的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2264195.html
