pandas 对数据帧DataFrame中数据的索引及切片操作

1、创建数据帧

　　index是行索引，即每一行的名字；columns是列索引，即每一列的名字。建立数据帧时行索引和列索引都需要以列表的形式传入。

import pandas as pd

df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], index=['row_0', 'row_1'], columns=['col_0', 'col_1', 'col_2'])

2、获取数据帧的行索引和列索引

2.1 获取行索引

# 以数组形式返回
row_name = df.index.values

# 以列表形式返回
row_name = df.index.values.tolist()

2.2 获取列索引

# 以数组的形式返回
col_name = df.columns.values

# 以列表的形式返回
col_name = df.columns.values.tolist()

3、获取指定行、列的元素

3.1 获取指定行的元素

　　获取某行数据需用.loc[]或.iloc[]方法，不能直接索引。

# 以行名索引，返回一个系列(series)
df_row0 = df.loc['row_0']

# 以行的绝对位置索引，返回一个系列(series)
df_row0 = df.iloc[0]

3.2 获取指定列的元素

　　获取某列数据可以通过列名直接索引。

# 以列名索引，返回一个系列(series)
df_col0 = df['col_0']

　　索引某列不能直接通过列的绝对位置来索引，但可以转换思路，借助列索引值实现用绝对位置的间接索引。

# df_col0 = df[0] 通过绝对位置直接索引报错
# 通过列索引名 df.columns 实现对列的绝对位置索引
df_col0 = df[df.columns[0]]

4、对数据帧切片

 4.1 行切片

　　对行进行切片操作，可以通过.iloc[]方法或直接用行的绝对位置。不能通过行名进行切片操作。

# 通过iloc[]方法切片，[0:2]左闭右开，即切取第0行和第1行
df_row = df.iloc[0:2]

 

# 通过行的绝对位置切片，[0:2]左闭右开，即切取第0行和第1行
df_row = df[0:2]

4.2 列切片

　　对列进行切片时，可以将所需要切取的列的列名组成一个一维的列表或数组，直接传入df[]即可。

# df_col = df[df.columns[0:2]] 切取第0列和第1列，与下句代码等价
df_col = df[['col_0', 'col_1']]

4.3 局部切片

　　先进行行切片，再进行列切片即可。

# 切取第0行和第1行，'col_0'和'col_2'列
df_new = df[0:2][['col_0', 'col_2']]

5、获取某位置元素

5.1 通过行、列定位

# 通过行列定位，返回值为一个系列(series)
df_new = df.loc['row_0'][['col_0']]

5.2 通过.at[]方法

# 用行名和列名索引，返回该位置的具体元素
df_new = df.at['row_0', 'col_0']

5.3 通过.iat[]方法

# 用行列的绝对位置定位，返回该位置的具体元素
df_new = df.iat[0,0]

 

 小结：对行操作一般通过df.iloc[绝对位置]或df.loc[‘行名’]，对列操作直接用df[‘列名’]

 

 

2022农历新年附：

　　时光如白驹过隙，转眼毕业参加工作一年半了。步入社会后便在生活中疲于奔命，少了当年的书生意气。博客短期没有更新的打算，也实在没有精力维护。同学们留言的问题部分我也有看到，但博客内容久远，好多细节我也实在记不大清楚了，便没有回复。其实学问就是摸着石头过河，在探索中不断遇到问题，而独立解决问题的过程就是学习提高的过程。

　　博主目前在shopee从事机器学习平台开发工作，部门及公司都在大力招聘中。福利待遇极好，工作1075，work life balance，待遇比肩字节。有兴趣的同学可以关注我新开的内推公众号“进击的虾仔”，帮你内推进入虾厂～

　　江湖路远，大家后会有期～