您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
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 pd
df = 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）
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'>
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'>
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'>
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
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'>
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'>
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']) # 24 print(df.loc['Bob':'Dave', ['age', 'point']]) # age point # name # Bob 42 92 # Charlie 18 70 # Dave 68 70
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: int64 print(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 50 print(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 20 print(df.iloc[:2]) # 1 2 0 # 2 0 10 20 # 0 30 40 50 s = 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]) # 40 print(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: -1 print(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！这里是亿速云网站，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！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。