Pandas怎么通过index选择并获取行和列

本篇内容主要讲解“pandas怎么通过index选择并获取行和列”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Pandas怎么通过index选择并获取行和列”吧!

通过指定pandas.DataFrame和pandas.Series的index（下标），可以选择和获取行/列或元素的值。根据[]中指定的值的类型，可以获取的数据会有所不同。

将描述以下内容。

获取pandas.DataFrame的列

• 列名称：将单个列作为pandas.Series获得

• 列名称的列表：将单个或多个列作为pandas.DataFrame获得

获取pandas.DataFrame的行

• 行名・行号的切片：将单行或多行作为pandas.DataFrame获得

获取pandas.Series的值

• 标签名称：获取每种类型的单个元素的值

• 标签名称/编号列表：将单个或多个元素的值作为pandas.Series获得

• 标签名称/数字切片：将单个元素或多个元素的值作为pandas.Series获得

获取pandas.DataFrame元素的值
行名/列名是整数值时的注意事项

在pandas.DataFrame的情况下，如果您不习惯该规范，则会感到困惑，例如，获取列作为列表，获取行作为切片。通过使用at，iat，loc和iloc，可以更清楚地选择范围。您还可以使用pandas.DataFrame，切片列提取元素值，并按行名/行号或列表选择行。

请参阅以下文章。

Pandas获取和修改任意位置的值（at,iat,loc,iloc）

在此示例代码中，read_csv读取并使用以下csv数据。

import pandas as pddf = pd.read_csv('./data/28/sample_pandas_nORMal.csv', index_col=0)print(df)#          age state  point# name# Alice     24    NY     64# Bob       42    CA     92# Charlie   18    CA     70# Dave      68    TX     70# Ellen     24    CA     88# Frank     30    NY     57

还可以使用set_index（）将现有的DataFrame列指定为索引。

Pandas.DataFrame,重置列的行名(set_index）

获取pandas.DataFrame的列

列名称：将单个列作为pandas.Series获得

如果仅在[]中指定列名（列标签），则将提取所选列并将其作为pandas.Series获取。

print(df['age'])print(type(df['age']))# name# Alice      24# Bob        42# Charlie    18# Dave       68# Ellen      24# Frank      30# Name: age, dtype: int64# <class 'pandas.core.series.Series'>print(df.age)print(type(df.age))# name# Alice      24# Bob        42# Charlie    18# Dave       68# Ellen      24# Frank      30# Name: age, dtype: int64# <class 'pandas.core.series.Series'>

列名称的列表：将单个或多个列作为pandas.DataFrame获得

如果指定列名列表，则将提取选定的多个列并将其检索为pandas.DataFrame。

print(df[['age', 'point']])print(type(df[['age', 'point']]))#          age  point# name               # Alice     24     64# Bob       42     92# Charlie   18     70# Dave      68     70# Ellen     24     88# Frank     30     57# <class 'pandas.core.frame.DataFrame'>

即使在具有一个元素的列表的情况下，它也成为pandas.DataFrame的一列。不是pandas.Series。

print(df[['age']])print(type(df[['age']]))#          age# name        # Alice     24# Bob       42# Charlie   18# Dave      68# Ellen     24# Frank     30# <class 'pandas.core.frame.DataFrame'>

如果是切片，它将是一个空的pandas.DataFrame。因为切片被视为行规范（请参见下文）。

print(df['age':'point'])# Empty DataFrame# Columns: [age, state, point]# Index: []

也可以使用loc进行列切片。另外，如果使用iloc，则可以按列号而不是列名（列标签）指定。有关详细信息，请参见以下文章。

Pandas获取和修改任意位置的值（at,iat,loc,iloc

print(df.loc[:, 'age':'point'])print(type(df.loc[:, 'age':'point']))#          age state  point# name                     # Alice     24    NY     64# Bob       42    CA     92# Charlie   18    CA     70# Dave      68    TX     70# Ellen     24    CA     88# Frank     30    NY     57# <class 'pandas.core.frame.DataFrame'>print(df.iloc[:, [0, 2]])print(type(df.iloc[:, [0, 2]]))#          age  point# name               # Alice     24     64# Bob       42     92# Charlie   18     70# Dave      68     70# Ellen     24     88# Frank     30     57# <class 'pandas.core.frame.DataFrame'>

获取pandas.DataFrame的行

行名・行号的切片：将单行或多行作为pandas.DataFrame获得

如果在[]中指定切片，则可以提取并获取相应范围内的多行作为pandas.DataFrame。

print(df[1:4])print(type(df[1:4]))#          age state  point# name                     # Bob       42    CA     92# Charlie   18    CA     70# Dave      68    TX     70# <class 'pandas.core.frame.DataFrame'>

可以指定一个负值或指定一个步骤，例如start：stop：step。您可以提取并获得奇数或偶数行。

print(df[:-3])print(type(df[1:-3]))#          age state  point# name                     # Alice     24    NY     64# Bob       42    CA     92# Charlie   18    CA     70# <class 'pandas.core.frame.DataFrame'>print(df[::2])print(type(df[::2]))#          age state  point# name                     # Alice     24    NY     64# Charlie   18    CA     70# Ellen     24    CA     88# <class 'pandas.core.frame.DataFrame'>print(df[1::2])print(type(df[1::2]))#        age state  point# name                   # Bob     42    CA     92# Dave    68    TX     70# Frank   30    NY     57# <class 'pandas.core.frame.DataFrame'>

如果它不是切片，则它是无用的；如果直接指定行号，则会发生错误。

# print(df[1])# KeyError: 1

即使只选择了一行，您也可以获得pandas.DataFrame。它不会成为pandas.Series。

print(df[1:2])print(type(df[1:2]))#       age state  point# name                  # Bob    42    CA     92# <class 'pandas.core.frame.DataFrame'>print(df['Bob':'Ellen'])print(type(df['Bob':'Ellen']))#          age state  point# name                     # Bob       42    CA     92# Charlie   18    CA     70# Dave      68    TX     70# Ellen     24    CA     88# <class 'pandas.core.frame.DataFrame'>

如果使用loc或iloc，则可以为一行单独指定行名和行号，并将其获取为pandas.Series，也可以在列表中选择多行。

print(df.loc['Bob'])print(type(df.loc['Bob']))# age      42# state    CA# point    92# Name: Bob, dtype: object# <class 'pandas.core.series.Series'>print(df.loc[['Bob', 'Ellen']])print(type(df.loc[['Bob', 'Ellen']]))#        age state  point# name                   # Bob     42    CA     92# Ellen   24    CA     88# <class 'pandas.core.frame.DataFrame'>print(df.iloc[[1, 4]])print(type(df.iloc[[1, 4]]))#        age state  point# name                   # Bob     42    CA     92# Ellen   24    CA     88# <class 'pandas.core.frame.DataFrame'>

获取pandas.Series的值

以以下pandas.Series为例。

s = df['age']print(s)# name# Alice      24# Bob        42# Charlie    18# Dave       68# Ellen      24# Frank      30# Name: age, dtype: int64

标签名称：获取每种类型的单个元素的值

如果标签名称/编号是独立指定的，则可以按原样获得该值。如果是数字，则可以从末尾开始使用负值指定位置。 -1是结尾（最后一个）。

也可以在后面指定标签名称，就像pandas.DataFrame的列名称规范一样。但是，请注意，如果列名与现有方法名或属性名重叠，则将优先使用。

print(s[3])print(type(s[3]))# 68# <class 'numpy.int64'>print(s['Dave'])print(type(s['Dave']))# 68# <class 'numpy.int64'>print(s[-1])print(type(s[-1]))# 30# <class 'numpy.int64'>print(s.Dave)print(type(s.Dave))# 68# <class 'numpy.int64'>

标签名称/编号列表：将单个或多个元素的值作为pandas.Series获得
在列表的情况下，可以将多个选定的值作为pandas.Series获得。

print(s[[1, 3]])print(type(s[[1, 3]]))# name# Bob     42# Dave    68# Name: age, dtype: int64# <class 'pandas.core.series.Series'>print(s[['Bob', 'Dave']])print(type(s[['Bob', 'Dave']]))# name# Bob     42# Dave    68# Name: age, dtype: int64# <class 'pandas.core.series.Series'>

对于具有1个元素的列表，它是pandas.Series，具有1个元素，而不是元素本身。

print(s[[1]])print(type(s[[1]]))# name# Bob    42# Name: age, dtype: int64# <class 'pandas.core.series.Series'>print(s[['Bob']])print(type(s[['Bob']]))# name# Bob    42# Name: age, dtype: int64# <class 'pandas.core.series.Series'>

标签名称/数字切片：将单个元素或多个元素的值作为pandas.Series获得

在切片的情况下，可以将多个选定值作为pandas.Series获得。如果是标签名称的一部分，则还会选择停止线。

print(s[1:3])print(type(s[1:3]))# name# Bob        42# Charlie    18# Name: age, dtype: int64# <class 'pandas.core.series.Series'>print(s['Bob':'Dave'])print(type(s['Bob':'Dave']))# name# Bob        42# Charlie    18# Dave       68# Name: age, dtype: int64# <class 'pandas.core.series.Series'>

当选择一个元件，它变得与pandas.Series一种元素。

print(s[1:2])print(type(s[1:2]))# name# Bob    42# Name: age, dtype: int64# <class 'pandas.core.series.Series'>print(s['Bob':'Bob'])print(type(s['Bob':'Bob']))# name# Bob    42# Name: age, dtype: int64# <class 'pandas.core.series.Series'>

获取pandas.DataFrame元素的值

通过从pandas.DataFrame中提取pandas.Series，然后从该pandas.Series中选择并获取值，可以从pandas.DataFrame中获取元素值。

print(df['age']['Alice'])# 24

还可以组合切片和列表以提取任何范围。

print(df['Bob':'Dave'][['age', 'point']])#          age  point# name               # Bob       42     92# Charlie   18     70# Dave      68     70

但是，这种重复索引引用（[…]）的方法称为链式索引，因此不建议使用，因为在为选择分配值时可能发生SettingWithCopyWarning。 …

可以使用at，iat，loc和iloc一次指定行和列。这是优选的。

print(df.at['Alice', 'age'])# 24print(df.loc['Bob':'Dave', ['age', 'point']])#          age  point# name               # Bob       42     92# Charlie   18     70# Dave      68     70

行名/列名是整数值时的注意事项

在到目前为止的示例中，行名/列名是字符串，但是当行名/列名是整数值时要小心。

以下面的pandas.DataFrame为例。

df = pd.DataFrame([[0, 10, 20], [30, 40, 50], [60, 70, 80]],                  index=[2, 0, 1], columns=[1, 2, 0])print(df)#     1   2   0# 2   0  10  20# 0  30  40  50# 1  60  70  80

在[标量值]和[列表]的情况下，指定的值被视为列名。

print(df[0])# 2    20# 0    50# 1    80# Name: 0, dtype: int64print(df[[0, 2]])#     0   2# 2  20  10# 0  50  40# 1  80  70

对于“切片”，将指定的值视为行号，而不是行名。负值也可以使用。 打印（df [：2]）

print(df[:2])#     1   2   0# 2   0  10  20# 0  30  40  50print(df[-2:])#     1   2   0# 0  30  40  50# 1  60  70  80

使用loc（行名）iloc（行号）来明确指定它是行名还是行号。

print(df.loc[:2])#    1   2   0# 2  0  10  20print(df.iloc[:2])#     1   2   0# 2   0  10  20# 0  30  40  50s = df[2]print(s)# 2    10# 0    40# 1    70# Name: 2, dtype: int64

pandas.Series认为指定的值是标签名称而不是数字。

print(s[0])# 40

使用at和iat可以清楚地指定标签名称或编号。 loc和iloc很好，但是at和iat更快。

print(s.at[0])# 40print(s.iat[0])# 10

特别要注意的是，如果尝试获取最后一个值并尝试获取[-1]，它将被视为对名为-1的标签的值的选择。确定，如果您使用iat。

# print(s[-1])# KeyError: -1print(s.iat[-1])# 70

这样，当行名和列名是整数值时，最好使用at，iat，loc和iloc以避免混淆。

到此，相信大家对“Pandas怎么通过index选择并获取行和列”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！