标签：ima .data 3.1 com das alt import 获取数据 形式
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‘])
# 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()
# 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()
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]
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]]
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]
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‘]]
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‘]]
# 通过行列定位，返回值为一个系列(series) df_new = df.loc[‘row_0‘][[‘col_0‘]]
# 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‘]
# 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’]
pandas 对数据帧DataFrame中数据的索引及切片操作
标签：ima .data 3.1 com das alt import 获取数据 形式
原文地址：https://www.cnblogs.com/HL-space/p/10654842.html
