pandas获取对应的行或者列方式

许久良辰 · 发表于 2024-2-25 04:37:53

loc

通过标签或布尔数组访问一组行和列。
.loc[] 主要基于标签，但也可以与布尔数组一起使用。
允许的输入为：

单个标签，例如’a’，
标签列表或数组，例如。[‘a’, ‘b’, ‘c’]
带有标签的切片对象，例如’a’:‘f’。
与切片轴长度相同的布尔数组，例如。[True, False, True]
可对齐的布尔系列。遮罩之前，键的索引将对齐。
可对齐索引。返回的选择的索引将作为输入。

获取单行

为了获取当行，只需要利用行号就能够获取，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> print(df.loc["viper"])
max_speed 4
shield 5
Name: viper, dtype: int64

复制代码

获取特定的几行

可以将多个行号组成一个list，然后作为参数输入进去

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> print(df.loc[["cobra",'sidewinder']])
max_speed shield
cobra 1 2
sidewinder 7 8

复制代码

利用切片获取多个连续的行

在利用切片时，也需要使用label进行切片，否则pandas不会识别

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper': 'sidewinder'])
max_speed shield
viper 4 5
sidewinder 7 8

复制代码

获取特定行和列

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper','shield'])
5

复制代码

也可以通过切片和列组合，获取特定的数值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> print(df.loc['viper': 'sidewinder',:])
max_speed shield
viper 4 5
sidewinder 7 8

复制代码

通过bool值进行选择

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> df.loc[[False, False, True]]
max_speed shield
sidewinder 7 8

复制代码

通过条件进行选择获取

通过条件获取，时间也是通过bool获取的一种特例，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> df.loc[df['shield'] > 6]
max_speed shield
sidewinder 7 8

复制代码

通过下面的结果，我们可以看出，通过条件获取后是一个对象，该对象的值就是一个bool列表，通过条件获取就是通过这个bool列表进行获取

>>> s = df['shield'] > 6
>>> type(s)
<class 'pandas.core.series.Series'>
>>> s.values
array([False, False, True])

复制代码

通过回调函数获取

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> df.loc[lambda df: df['shield'] == 8]
max_speed shield
sidewinder 7 8

复制代码

对数值进行修改

这里主要讲的是对数值的修改是永久性的，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> df
max_speed shield
cobra 1 2
viper 4 50
sidewinder 7 50

复制代码

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

来源:https://www.jb51.net/python/316253wz5.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】我们会及时删除侵权内容，谢谢合作！