• python中pandas库中DataFrame对行和列的操作使用方法


    用pandas中的DataFrame时选取行或列:

    import numpy as np
    import pandas as pd
    from pandas import Sereis, DataFrame
    
    ser = Series(np.arange(3.))
    
    data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
    
    data['w']  #选择表格中的'w'列,使用类字典属性,返回的是Series类型
    
    data.w    #选择表格中的'w'列,使用点属性,返回的是Series类型
    
    data[['w']]  #选择表格中的'w'列,返回的是DataFrame类型
    
    data[['w','z']]  #选择表格中的'w'、'z'列
    
    data[0:2]  #返回第1行到第2行的所有行,前闭后开,包括前不包括后
    
    data[1:2]  #返回第2行,从0计,返回的是单行,通过有前后值的索引形式,
           #如果采用data[1]则报错
    
    data.ix[1:2] #返回第2行的第三种方法,返回的是DataFrame,跟data[1:2]同
    
    data['a':'b']  #利用index值进行切片,返回的是**前闭后闭**的DataFrame, 
            #即末端是包含的  
    data.irow(0)   #取data的第一行
    data.icol(0)   #取data的第一列
    
    data.head()  #返回data的前几行数据,默认为前五行,需要前十行则data.head(10)
    data.tail()  #返回data的后几行数据,默认为后五行,需要后十行则data.tail(10)
    
    ser.iget_value(0)  #选取ser序列中的第一个
    ser.iget_value(-1) #选取ser序列中的最后一个,这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个,这会引起歧义。
    
    data.iloc[-1]   #选取DataFrame最后一行,返回的是Series
    data.iloc[-1:]   #选取DataFrame最后一行,返回的是DataFrame
    
    data.loc['a',['w','x']]   #返回‘a’行'w'、'x'列,这种用于选取行索引列索引已知
    
    data.iat[1,1]   #选取第二行第二列,用于已知行、列位置的选取。

    下面是简单的例子使用验证:

    import pandas as pd
    from pandas import Series, DataFrame
    import numpy as np
    
    data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])
    
    data
    Out[7]: 
            a   b   c   d   e
    one     0   1   2   3   4
    two     5   6   7   8   9
    three  10  11  12  13  14
    
    #对列的操作方法有如下几种
    
    data.icol(0)   #选取第一列
    E:Anaconda2libsite-packagesspyderutilsipythonstart_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
      # -*- coding: utf-8 -*-
    Out[35]: 
    one       0
    two       5
    three    10
    Name: a, dtype: int32
    
    data['a']
    Out[8]: 
    one       0
    two       5
    three    10
    Name: a, dtype: int32
    
    data.a
    Out[9]: 
    one       0
    two       5
    three    10
    Name: a, dtype: int32
    
    data[['a']]
    Out[10]: 
            a
    one     0
    two     5
    three  10
    
    data.ix[:,[0,1,2]]  #不知道列名只知道列的位置时
    Out[13]: 
            a   b   c
    one     0   1   2
    two     5   6   7
    three  10  11  12
    
    data.ix[1,[0]]  #选择第2行第1列的值
    Out[14]: 
    a    5
    Name: two, dtype: int32
    
    data.ix[[1,2],[0]]   #选择第2,3行第1列的值
    Out[15]: 
            a
    two     5
    three  10
    
    data.ix[1:3,[0,2]]  #选择第2-4行第1、3列的值
    Out[17]: 
            a   c
    two     5   7
    three  10  12
    
    data.ix[1:2,2:4]  #选择第2-3行,3-5(不包括5)列的值
    Out[29]: 
         c  d
    two  7  8
    
    data.ix[data.a>5,3]
    Out[30]: 
    three    13
    Name: d, dtype: int32
    
    data.ix[data.b>6,3:4]  #选择'b'列中大于6所在的行中的第4列,有点拗口
    Out[31]: 
            d
    three  13
    
    data.ix[data.a>5,2:4]  #选择'a'列中大于5所在的行中的第3-5(不包括5)列
    Out[32]: 
            c   d
    three  12  13
    
    data.ix[data.a>5,[2,2,2]]  #选择'a'列中大于5所在的行中的第2列并重复3次
    Out[33]: 
            c   c   c
    three  12  12  12
    
    #还可以行数或列数跟行名列名混着用
    data.ix[1:3,['a','e']]
    Out[24]: 
            a   e
    two     5   9
    three  10  14
    
    data.ix['one':'two',[2,1]]
    Out[25]: 
         c  b
    one  2  1
    two  7  6
    
    data.ix[['one','three'],[2,2]]
    Out[26]: 
            c   c
    one     2   2
    three  12  12
    
    data.ix['one':'three',['a','c']]
    Out[27]: 
            a   c
    one     0   2
    two     5   7
    three  10  12
    
    data.ix[['one','one'],['a','e','d','d','d']]
    Out[28]: 
         a  e  d  d  d
    one  0  4  3  3  3
    one  0  4  3  3  3
    
    #对行的操作有如下几种:
    data[1:2]  #(不知道列索引时)选择第2行,不能用data[1],可以用data.ix[1]
    Out[18]: 
         a  b  c  d  e
    two  5  6  7  8  9
    
    data.irow(1)   #选取第二行
    Out[36]: 
    a    5
    b    6
    c    7
    d    8
    e    9
    Name: two, dtype: int32
    
    data.ix[1]   #选择第2行
    Out[20]: 
    a    5
    b    6
    c    7
    d    8
    e    9
    Name: two, dtype: int32
    
    
    data['one':'two']  #当用已知的行索引时为前闭后闭区间,这点与切片稍有不同。
    Out[22]: 
         a  b  c  d  e
    one  0  1  2  3  4
    two  5  6  7  8  9
    
    data.ix[1:3]  #选择第2到4行,不包括第4行,即前闭后开区间。
    Out[23]: 
            a   b   c   d   e
    two     5   6   7   8   9
    three  10  11  12  13  14
    
    data.ix[-1:]  #取DataFrame中最后一行,返回的是DataFrame类型,**注意**这种取法是有使用条件的,只有当行索引不是数字索引时才可以使用,否则可以选用`data[-1:]`--返回DataFrame类型或`data.irow(-1)`--返回Series类型
    Out[11]: 
            a   b   c   d   e
    three  10  11  12  13  14
    
    data[-1:]  #跟上面一样,取DataFrame中最后一行,返回的是DataFrame类型
    Out[12]: 
            a   b   c   d   e
    three  10  11  12  13  14
    
    data.ix[-1] #取DataFrame中最后一行,返回的是Series类型,这个一样,行索引不能是数字时才可以使用
    Out[13]: 
    a    10
    b    11
    c    12
    d    13
    e    14
    Name: three, dtype: int32
    
    data.tail(1)   #返回DataFrame中的最后一行
    data.head(1)   #返回DataFrame中的第一行

    最近处理数据时发现当pd.read_csv()数据时有时候会有读取到未命名的列,且该列也用不到,一般是索引列被换掉后导致的,有强迫症的看着难受,这时候dataframe.drop([columns,])是没法处理的,怎么办呢, 
    最笨的方法是直接给列索引重命名:

    data6
    
            Unnamed: 0  high    symbol  time
    date                
    2016-11-01  0   3317.4  IF1611  18:10:44.8
    2016-11-01  1   3317.4  IF1611  06:01:04.5
    2016-11-01  2   3317.4  IF1611  07:46:25.5
    2016-11-01  3   3318.4  IF1611  09:30:04.0
    2016-11-01  4   3321.8  IF1611  09:31:04.0
    
    data6.columns = list('abcd')
    
    data6
    
        a   b   c   d
    date                
    2016-11-01  0   3317.4  IF1611  18:10:44.8
    2016-11-01  1   3317.4  IF1611  06:01:04.5
    2016-11-01  2   3317.4  IF1611  07:46:25.5
    2016-11-01  3   3318.4  IF1611  09:30:04.0
    2016-11-01  4   3321.8  IF1611  09:31:04.0
    

    重新命名后就可以用dataframe.drop([columns])来删除了,当然不用我这样全部给列名替换掉了,可以只是改变未命名的那个列,然后删除。不过这个用起来总是觉得有点low,有没有更好的方法呢,有,可以不去删除,直接:

    data7 = data6.ix[:,1:]

    这样既不改变原有数据,也达到了删除神烦列,当然我这里时第0列删除,可以根据实际选择所在的列删除之,至于这个原理,可以看下前面的对列的操作。

  • 相关阅读:
    数据应用
    Python邮件脚本
    函数
    tab模块
    python登陆,注册小程序
    三元运算+lambda表达式
    计算机基础
    软件测试概要
    asyn_fifo
    perl 对ENV环境变量的使用
  • 原文地址:https://www.cnblogs.com/honey01/p/7261979.html
Copyright © 2020-2023  润新知