pandas獲取對(duì)應(yīng)的行或者列方式

更新時(shí)間：2024年02月24日 08:44:55 作者：小瓶蓋的豬豬俠

這篇文章主要介紹了pandas獲取對(duì)應(yīng)的行或者列方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

loc

通過(guò)標(biāo)簽或布爾數(shù)組訪問(wèn)一組行和列。

.loc[] 主要基于標(biāo)簽，但也可以與布爾數(shù)組一起使用。

允許的輸入為：

單個(gè)標(biāo)簽，例如’a’，
標(biāo)簽列表或數(shù)組，例如。[‘a’, ‘b’, ‘c’]
帶有標(biāo)簽的切片對(duì)象，例如’a’:‘f’。
與切片軸長(zhǎng)度相同的布爾數(shù)組，例如。[True, False, True]
可對(duì)齊的布爾系列。遮罩之前，鍵的索引將對(duì)齊。
可對(duì)齊索引。返回的選擇的索引將作為輸入。

獲取單行

為了獲取當(dāng)行，只需要利用行號(hào)就能夠獲取，

>>> 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

獲取特定的幾行

可以將多個(gè)行號(hào)組成一個(gè)list，然后作為參數(shù)輸入進(jìn)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

利用切片獲取多個(gè)連續(xù)的行

在利用切片時(shí)，也需要使用label進(jìn)行切片，否則pandas不會(huì)識(shí)別

>>> 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

獲取特定行和列

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

也可以通過(guò)切片和列組合，獲取特定的數(shù)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

通過(guò)bool值進(jìn)行選擇

>>> 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

通過(guò)條件進(jìn)行選擇獲取

通過(guò)條件獲取，時(shí)間也是通過(guò)bool獲取的一種特例，

>>> 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

通過(guò)下面的結(jié)果，我們可以看出，通過(guò)條件獲取后是一個(gè)對(duì)象，該對(duì)象的值就是一個(gè)bool列表，通過(guò)條件獲取就是通過(guò)這個(gè)bool列表進(jìn)行獲取

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

通過(guò)回調(diào)函數(shù)獲取

>>> 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

對(duì)數(shù)值進(jìn)行修改

這里主要講的是對(duì)數(shù)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