import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]} df = pd.DataFrame(data) # 获取第2行数据 row_2 = df.iloc[1] print(row_2) 输出结果: A 2 B 5 C 8 Name: 1, dtype: int64 使用loc[]获取行和列数据使用loc[]...
1.2 pd.DataFrame 可以使用pd.DataFrame重新构建一个新的dataframe c1 = ['a', 'b', 'c', 'd'] c2 = [1, 2, 3, 4] c3 = ['0.1', '0.3', '0.5', '0.7'] data = pd.DataFrame({'c1': c1, 'c2': c2, 'c3': c3}) newdata = pd.DataFrame(data, columns=['c1', 'c2']) print...
print('选取【采集时间】列:\n', df.采集时间) 1. 4、loc和iloc行列选择 (1)loc用法 语法:df.loc[行索引名称或条件,列索引名称] loc是针对DataFrame索引名称的切片方式,必须传入的是索引名称,否则不能执行;且行索引不能为空,否则将失去意义。 第一种用法,行列索引同时都有: print('选取【采集时间】整列...
DataFrame中取出某几列时,你可以使用pandas库,它是Python中用于数据分析和操作的一个非常强大的库。以下是如何实现这一点的详细步骤和代码示例: 1. 读取DataFrame数据 首先,你需要有一个DataFrame对象。这通常通过从文件(如CSV、Excel等)读取数据或直接在代码中创建数据来获得。
一、根据列索引取某一列/多列(常用) df['W'] # 取‘W'列,返回类型是Series df[['W']] # 取‘W'列,返回类型是DataFrame df[['W','Y']] # 取‘W'列和‘Y'列 df.loc[:,'W':'Y'] # 取‘W'列到‘Y'列 二、根据行索引取某一行/多行 ...
我们先来看,怎么对数据列进行选择。 首先,导入Excel数据 原始数据如下图所示。 新建文件夹“DataFrame通过列选择数据”,文件“Python笔记本源程序.ipynb”,Excel原始数据“input.xlsx” 如上图所示,编写导入数据代码,赋值DataFrame格式变量df,查看df的数据内容。这里,我们要多查看DataDrame变量数据集的内容,这样我们才能...
import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]} df = pd.DataFrame(data) # 使用.loc[]提取特定行和列 # 提取第1行(索引为0)的所有列 row_1 = df.loc[0] # 提取所有行的'A'列 column_A = df.loc[:, 'A'] ...
1、pandas排序,并取前N列数据 # df_sorted = df.sort_values(by="列名")df_sorted=df.sort_values(by="Z")[:3]按Z列排序,并取前三行# 输出结果为:WXYZA0123B4567C891011 2、取行、取列DataFrame.loc,DataFrame.iloc - 取行DataFrame.loc,DataFrame.iloc ...
pandas DataFrame是二维的,所以,它既有列索引,又有行索引 import pandas as pd df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]}) print df # 结果: A B 0 0 3 1 1 4 2 2 5 行索引自动生成了 0,1,2 如果要自己指定行索引和列索引,可以使用 index 和 column 参数: ...