最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

pandas 數(shù)據(jù)索引與選取的實(shí)現(xiàn)方法

 更新時(shí)間:2019年06月21日 11:20:13   作者:羅兵  
這篇文章主要介紹了pandas 數(shù)據(jù)索引與選取的實(shí)現(xiàn)方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧

我們對(duì) DataFrame 進(jìn)行選擇,大抵從這三個(gè)層次考慮:行列、區(qū)域、單元格。

其對(duì)應(yīng)使用的方法如下:
一. 行,列 --> df[]
二. 區(qū)域   --> df.loc[], df.iloc[], df.ix[]
三. 單元格 --> df.at[], df.iat[]

下面開(kāi)始練習(xí):

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))

1. df[]:

一維
行維度:
    整數(shù)切片、標(biāo)簽切片、<布爾數(shù)組>
列維度:
    標(biāo)簽索引、標(biāo)簽列表、Callable

df[:3]
df['a':'c']
df[[True,True,True,False,False,False]] # 前三行(布爾數(shù)組長(zhǎng)度等于行數(shù))
df[df['A']>0] # A列值大于0的行
df[(df['A']>0) | (df['B']>0)] # A列值大于0,或者B列大于0的行
df[(df['A']>0) & (df['C']>0)] # A列值大于0,并且C列大于0的行

df['A']
df[['A','B']]
df[lambda df: df.columns[0]] # Callable

2. df.loc[]

二維,先行后列
行維度:
    標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、<布爾數(shù)組>、Callable
列維度:
    標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、<布爾數(shù)組>、Callable

df.loc['a', :]
df.loc['a':'d', :]
df.loc[['a','b','c'], :]
df.loc[[True,True,True,False,False,False], :] # 前三行(布爾數(shù)組長(zhǎng)度等于行數(shù))
df.loc[df['A']>0, :]
df.loc[df.loc[:,'A']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[lambda _df: _df.A > 0, :]
df.loc[:, 'A']
df.loc[:, 'A':'C']
df.loc[:, ['A','B','C']]
df.loc[:, [True,True,True,False]] # 前三列(布爾數(shù)組長(zhǎng)度等于行數(shù))
df.loc[:, df.loc['a']>0]     # a行大于0的列
df.loc[:, df.iloc[0]>0]      # 0行大于0的列
df.loc[:, lambda _df: ['A', 'B']]
df.A.loc[lambda s: s > 0]

3. df.iloc[]

二維,先行后列
行維度:
    整數(shù)索引、整數(shù)切片、整數(shù)列表、<布爾數(shù)組>
列維度:
    整數(shù)索引、整數(shù)切片、整數(shù)列表、<布爾數(shù)組>、Callable

df.iloc[3, :]
df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[True,True,True,False,False,False], :] # 前三行(布爾數(shù)組長(zhǎng)度等于行數(shù))
df.iloc[df['A']>0, :]    #× 為什么不行呢?想不通!
df.iloc[df.loc[:,'A']>0, :] #×
df.iloc[df.iloc[:,0]>0, :] #×
df.iloc[lambda _df: [0, 1], :]
df.iloc[:, 1]
df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [True,True,True,False]] # 前三列(布爾數(shù)組長(zhǎng)度等于行數(shù))
df.iloc[:, df.loc['a']>0] #×
df.iloc[:, df.iloc[0]>0] #×
df.iloc[:, lambda _df: [0, 1]]

4. df.ix[]

二維,先行后列
行維度:
    整數(shù)索引、整數(shù)切片、整數(shù)列表、
    標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、
    <布爾數(shù)組>、
    Callable
列維度:
    整數(shù)索引、整數(shù)切片、整數(shù)列表、
    標(biāo)簽索引、標(biāo)簽切片、標(biāo)簽列表、
    <布爾數(shù)組>、
    Callable

df.ix[0, :]
df.ix[0:3, :]
df.ix[[0,1,2], :]

df.ix['a', :]
df.ix['a':'d', :]
df.ix[['a','b','c'], :]
df.ix[:, 0]
df.ix[:, 0:3]
df.ix[:, [0,1,2]]

df.ix[:, 'A']
df.ix[:, 'A':'C']
df.ix[:, ['A','B','C']]

5. df.at[]

精確定位單元格
行維度:
    標(biāo)簽索引
列維度:
    標(biāo)簽索引

df.at['a', 'A']

6. df.iat[]

精確定位單元格

行維度:
    整數(shù)索引
列維度:
    整數(shù)索引

df.iat[0, 0]

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

最新評(píng)論

榕江县| 历史| 鄂州市| 监利县| 商南县| 新昌县| 绥中县| 和政县| 南阳市| 潢川县| 漾濞| 黔南| 凤山县| 潼南县| 千阳县| 呼玛县| 新晃| 亚东县| 巍山| 德令哈市| 德保县| 成安县| 兴业县| 房山区| 巴林右旗| 成安县| 诸城市| 滕州市| 淮滨县| 富源县| 长白| 墨竹工卡县| 鄄城县| 忻城县| 兰考县| 土默特右旗| 建德市| 白玉县| 会东县| 安康市| 岳普湖县|