DataFrame(5)：DataFrame元素的获取方式(很重要)

1、学习DataFrame元素获取，需要掌握以下几个需求

• 访问一列 或 多列
• 访问一行 或 多行
• 访问某个值
• 访问某几行中的某几列
• 访问某几列中的某几行

2、构造一个DataFrame

df = pd.DataFrame(np.random.randint(70,100,(4,5)), index=["地区1", "地区2", "地区3","地区4"], columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

  

 

  
1
  
2
  
3
  
4
 

结果如下：

注意：不管是单独获取到一行、还是一列，得到的都是一个Series。不管是单独获取到多行、还是多列，得到的都是一个DataFrame。

# 获取一列
x = df["广水"]
display(x)
display(type(x))

# 获取一行
y = df.loc["地区1"]
display(y)
display(type(y))

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
 

结果如下：

3、访问一列或多列：传入单个标签或标签数组

df = pd.DataFrame(np.random.randint(70,100,(4,5)), index=["地区1", "地区2", "地区3","地区4"], columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

# 访问一列
x = df["武汉"]
display(x)

# 访问多列
y = df[["武汉","天门"]]
display(y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

结果如下：

4、访问一行或者多行：loc中传入标签索引、iloc中传入位置索引、切片方式、布尔数组方式

① loc标签索引

df = pd.DataFrame(np.random.randint(70,100,(4,5)), index=["地区1", "地区2", "地区3","地区4"], columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

x1 = df.loc["地区1"]
display(x1)

x2 = df.loc[["地区1","地区2"]]
display(x2)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

结果如下：

特别说明：“访问行”唯独不能使用类似df[0]，df[[0,1]]，df[“地区1”]，df[[“地区1”,“地区2”]]这样的方式。

② iloc位置索引

df = pd.DataFrame(np.random.randint(70,100,(4,5)), index=["地区1", "地区2", "地区3","地区4"], columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

x3 = df.iloc[0]
display(x3)

x4 = df.iloc[[0,3]]
display(x4)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

结果如下：

③ 切片方式：这种方式容易忽略，也容易弄错

df[0:2]
df[1:]

  

 

  
1
  
2
 

结果如下：

④ 布尔数组方式

df = pd.DataFrame(np.random.randint(70,100,(4,5)), index=["地区1", "地区2", "地区3","地区4"], columns=["武汉","天门", "黄冈","孝感","广水"])
display(df)

y = df[df["武汉"] >= 80]
display(y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
 

结果如下：

5、访问某个值

  如果说要访问下面数据框DataFrame中的95，应该怎么做呢？

① 先访问“地区3”这一行，再访问95这个数据

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.loc["地区3"]
df.loc["地区3"].loc["黄冈"]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

② 先访问“黄冈”这一列，再访问95这个数据

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df["黄冈"]
df["黄冈"].loc["地区3"]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

③ 向loc中传入数据的标签坐标、向iloc中传入数据的位置坐标(最常用)

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.loc["地区3","黄冈"]
df.iloc[2,2]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

④ 向at中传入数据的标签坐标、向iat中传入数据的位置坐标

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

df.at["地区3","黄冈"]
df.iat[2,2]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

6、访问某几行中的某几列

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

# 先获取行，再获取列
df.loc[["地区1","地区3"]][["武汉","广水"]]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

7、访问某几列中的某几行

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

# 先获取列，再获取行
df[["武汉","广水"]].loc[["地区1","地区3"]]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

8、获取多行多列常用的一种方式：iloc+切片、loc+标签数组

① 获取多行多列：iloc+切片

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.iloc[:3,:]
display(x)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

② 获取多行多列：loc+标签数组

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.loc[["地区1","地区3"],['武汉','天门','黄冈','孝感','广水']]
display(x)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

结果如下：

9、获取多行多列常用的第二种方式：iloc+切片+位置数组、loc+切片+标签数组

① 获取多行多列：iloc+切片+位置数组

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.iloc[1:,[1,4]]
display(x)

y = df.iloc[[1,3],1:]
display(y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
 

结果如下：

② 获取多行多列：loc+切片+标签数组

df = pd.DataFrame({"武汉":[78,99,81,77], "天门":[74,97,96,97], "黄冈":[77,80,95,84], "孝感":[92,84,75,80], "广水":[85,85,72,74]}, index=["地区1", "地区2", "地区3","地区4"]
)
display(df)

x = df.loc["地区1":,["武汉","广水"]]
display(x)

y = df.loc[["地区1","地区3"],"天门":]
display(y)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
 

结果如下：

文章来源: blog.csdn.net，作者：数据分析与统计学之美，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_41261833/article/details/104158011