快捷導(dǎo)航

python中pandas庫中DataFrame對行和列的操作使用方法示例

更新時(shí)間：2020年06月14日 10:25:17 作者：曉東邪

這篇文章主要介紹了python中pandas庫中DataFrame對行和列的操作使用方法示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

用pandas中的DataFrame時(shí)選取行或列：

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'] #選擇表格中的'w'列，使用類字典屬性,返回的是Series類型

data.w  #選擇表格中的'w'列，使用點(diǎn)屬性,返回的是Series類型

data[['w']] #選擇表格中的'w'列，返回的是DataFrame類型

data[['w','z']] #選擇表格中的'w'、'z'列

data[0:2] #返回第1行到第2行的所有行，前閉后開，包括前不包括后

data[1:2] #返回第2行，從0計(jì)，返回的是單行，通過有前后值的索引形式，
    #如果采用data[1]則報(bào)錯(cuò)

data.ix[1:2] #返回第2行的第三種方法，返回的是DataFrame，跟data[1:2]同

data['a':'b'] #利用index值進(jìn)行切片，返回的是**前閉后閉**的DataFrame, 
    #即末端是包含的 

#——————新版本pandas已舍棄該方法，用iloc代替———————
data.irow(0)  #取data的第一行
data.icol(0)  #取data的第一列

ser.iget_value(0) #選取ser序列中的第一個(gè)
ser.iget_value(-1) #選取ser序列中的最后一個(gè)，這種軸索引包含索引器的series不能采用ser[-1]去獲取最后一個(gè)，這會(huì)引起歧義。
#————————————————————————————-----------------

data.head() #返回data的前幾行數(shù)據(jù)，默認(rèn)為前五行，需要前十行則data.head(10)
data.tail() #返回data的后幾行數(shù)據(jù)，默認(rèn)為后五行，需要后十行則data.tail(10)

data.iloc[-1]  #選取DataFrame最后一行，返回的是Series
data.iloc[-1:]  #選取DataFrame最后一行，返回的是DataFrame

data.loc['a',['w','x']]  #返回‘a(chǎn)'行'w'、'x'列，這種用于選取行索引列索引已知

data.iat[1,1]  #選取第二行第二列，用于已知行、列位置的選取。

下面是簡單的例子使用驗(yàn)證：

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

#對列的操作方法有如下幾種

data.icol(0)  #選取第一列
E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_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時(shí)
Out[13]: 
    a  b  c
one   0  1  2
two   5  6  7
three 10 11 12

data.ix[1,[0]] #選擇第2行第1列的值
Out[14]: 
a  5
Name: two, dtype: int32

data.ix[[1,2],[0]]  #選擇第2,3行第1列的值
Out[15]: 
    a
two   5
three 10

data.ix[1:3,[0,2]] #選擇第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] #選擇第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] #選擇'b'列中大于6所在的行中的第4列，有點(diǎn)拗口
Out[31]: 
    d
three 13

data.ix[data.a>5,2:4] #選擇'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]] #選擇'a'列中大于5所在的行中的第2列并重復(fù)3次
Out[33]: 
    c  c  c
three 12 12 12

#還可以行數(shù)或列數(shù)跟行名列名混著用
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

#對行的操作有如下幾種：
data[1:2] #（不知道列索引時(shí)）選擇第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)  #選取第二行
Out[36]: 
a  5
b  6
c  7
d  8
e  9
Name: two, dtype: int32

data.ix[1]  #選擇第2行
Out[20]: 
a  5
b  6
c  7
d  8
e  9
Name: two, dtype: int32


data['one':'two'] #當(dāng)用已知的行索引時(shí)為前閉后閉區(qū)間，這點(diǎn)與切片稍有不同。
Out[22]: 
   a b c d e
one 0 1 2 3 4
two 5 6 7 8 9

data.ix[1:3] #選擇第2到4行，不包括第4行，即前閉后開區(qū)間。
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類型,**注意**這種取法是有使用條件的，只有當(dāng)行索引不是數(shù)字索引時(shí)才可以使用，否則可以選用`data[-1:]`--返回DataFrame類型或`data.irow(-1)`--返回Series類型
Out[11]: 
    a  b  c  d  e
three 10 11 12 13 14

data[-1:] #跟上面一樣，取DataFrame中最后一行，返回的是DataFrame類型
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類型，這個(gè)一樣，行索引不能是數(shù)字時(shí)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

最近處理數(shù)據(jù)時(shí)發(fā)現(xiàn)當(dāng)pd.read_csv()數(shù)據(jù)時(shí)有時(shí)候會(huì)有讀取到未命名的列，且該列也用不到，一般是索引列被換掉后導(dǎo)致的，有強(qiáng)迫癥的看著難受，這時(shí)候dataframe.drop([columns,])是沒法處理的，怎么辦呢，

最笨的方法是直接給列索引重命名：

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])來刪除了，當(dāng)然不用我這樣全部給列名替換掉了，可以只是改變未命名的那個(gè)列，然后刪除。不過這個(gè)用起來總是覺得有點(diǎn)low，有沒有更好的方法呢，有，可以不去刪除，直接：