输出结果表面,第一种方法用.loc返回的数据类型是pandas.core.frame.DataFrame,第二种方法用.index返回的数据类型是pandas.core.indexs.numeric.Int64Index 后期还可以用“list=pd_data.tolist()”将pandas数据变为列表 __EOF__ 本文作者:Liang Xuran
1. 利用loc、iloc提取行数据 import numpy as np import pandas as pd #创建一个Dataframe data=pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('ABCD')) In[1]: data Out[1]: A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 #取索引为'a...
df.loc[a, b] # a是选取行, b是选取列 df.loc[:, :] # ':' 在这里指的是选取所有行, 所有列 df.loc[[index], :] # index是dataframe的索引, 根据索引选择我们想要的数据 df.loc[index:, 'feature_1':'feature_5'] # 行选取index后面所有, 列选取feature_1到feature_5之间的所有特征 df.loc...
1.1 df.loc[]:增加一行数据 1.2 df.append(data=list,dict,ignore_index=True/False): 1.3 pd.concat() 2、增加列数据 2.1 df['col_name']=values 2.2 df.loc[:,'new_col_name'] = values 2.3 df.insert() 2.4 pd.concat() 2.5 增加多列 3、合并数据 3.1 pd.concat() 3.2 df.join() 3.3pd...
df.reset_index("col1") # 将索引设置为col1字段,并将索引新设置为0,1,2... df.rename(index=lambdax:x+1) # 批量重命名索引 6.数据分组、排序、透视 常用的数据分组的13个用法: df.sort_index().loc[:5] # 对前5条数据进索引排序 df.sort_values(col1) # 按照列col1排序数据,默认升序排列 ...
:4],获取第四行。但是如果想要获取部分行部分列的上述两种方法就无能为力了。这时就得用到ix,loc,iloc方法(ix已弃用)loc是指location的意思,iloc中的i是指integer。iloc和loc方式索引也更为精细。这两者的区别如下:locworks on labels in theindex.(说白了就是标签索引)ilocworks on the positions ...
s2=s2.reset_index() s2.columns=['name','value'] ``` 3、转置操作 如果需要把数据框进行线代中的‘转置’:(这个步骤没有保存结果到变量s2中) 目前并没有发现实际作用 ``` pd.DataFrame(s2).T ``` 4、Series 查看数据类型 ``` Series名字.dtypes ...
2. pandas.DataFrame ([data],[index]) 根据行建立数据 3. pandas.DataFrame ({dic}) 根据列建立数据 4. pandas.DataFrame([list])根据数据建立列数据 5. loc / iloc 数据筛选 6. 多级行索引 7. 使用 pandas.MultiIndex 显式创建多级行索引 8. 多级行索引的升维及降维 ...
df_inner.reset_index()#再设置一条索引 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 2、loc函数(⭐) 利用切片原理,使用loc函数进行切片操作时只能使用行名或者列名,也就是索引(行名)和字符串(列名)。 1)索引操作 df_inner.loc[:4]#因为是索引名,所以这里是取0到4的所有列 ...
# df.loc[index, column_name],选取指定行和列的数据 df.loc[0,'name'] # 'Snow' df.loc[0:2, ['name','age']] #选取第0行到第2行,name列和age列的数据, 注意这里的行选取是包含下标的。 df.loc[[2,3],['name','age']] #选取指定的第2行和第3行,name和age列的数据 df.loc[df['gen...