1.索引是什么
1.1 认识索引
先创建一个简单的DataFrame。
myList = [['a', 10, 1.1], ['b', 20, 2.2], ['c', 30, 3.3], ['d', 40, 4.4]] df1 = pd.DataFrame(data = myList) print(df1) -------------------------------- [out]: 0 1 2 0 a 10 1.1 1 b 20 2.2 2 c 30 3.3 3 d 40 4.4
DataFrame中有两种索引：
- 行索引(index)：对应最左边那一竖列
- 列索引(columns)：对应最上面那一横行
两种索引默认均为从0开始的自增整数。
# 输出行索引
print(df1.index)
[out]:
RangeIndex(start=0, stop=4, step=1)
---------------------------------------
# 输出列索引
print(df1.columns)
[out]:
RangeIndex(start=0, stop=3, step=1)
---------------------------------------
# 输出所有的值
print(df1.values)
[out]:
array([['a', 10, 1.1],
['b', 20, 2.2],
['c', 30, 3.3],
['d', 40, 4.4]], dtype=object)1.2 自定义索引
可以使用 index 这个参数指定行索引，columns 这个参数指定列索引。
df2 = pd.DataFrame(myList,
index = ['one', 'two', 'three', 'four'],
columns = ['char', 'int', 'float'])
print(df2)
-----------------------------------------------------------
[out]:
char int float
one a 10 1.1
two b 20 2.2
three c 30 3.3
four d 40 4.4输出此时的行索引和列索引：
# 输出行索引
print(df2.index)
[out]:
Index(['one', 'two', 'three', 'four'], dtype='object')
--------------------------------------------------------
# 输出列索引
print(df2.columns)
[out]:
Index(['char', 'int', 'float'], dtype='object')
2. 索引的简单使用
2.1 列索引
选择一列：
print(df2['char']) print(df2.char) # 两种方式输出一样 [out]: one a two b three c four d Name: char, dtype: object
注意此时方括号里面只传入一个字符串’char’，这样选出来的一列，结果的类型为Series
print(df2['char']) print(df2.char) # 两种方式输出一样 [out]: one a two b three c four d Name: char, dtype: object
选择多列：
print(df2[['char', 'int']])
[out]:
char int
one a 10
two b 20
three c 30
four d 40注意此时方括号里面传入一个列表 [‘char’, ‘int’]，选出的结果类型为 DataFrame。
如果只想选出来一列，却想返回 DataFrame 类型怎么办？
print(df2[['char']])
[out]:
char
one a
two b
three c
four d
---------------------------------------
type(df2[['char']])
[out]：pandas.core.frame.DataFrame注意直接使用df2[0]取某一列会报错，除非columns是由下标索引组成的，比如df1那个样子，df1[0]就不会报错。
print(df1[0]) [out]: 0 a 1 b 2 c 3 d Name: 0, dtype: object ----------------------- print(df2[0]) [out]: KeyError: 0
2.2 行索引
2.2.1 使用[ ]
区别于选取列，此种方式[ ]中不再单独的传入一个字符串，而是需要使用冒号切片。
选取行标签从 ’two’ 到 ’three’ 的多行数据
print(df2['two': 'three'])
[out]:
char int float
two b 20 2.2
three c 30 3.3选取行标签为’two’这一行数据
# 此时返回的类型为DataFrame
print(df2['two': 'two'])
[out]:
char int float
two b 20 2.2在[ ]中不仅可以传入行标签，还可以传入行的编号。
选取从第1行到第3行的数据(编号从0开始)
print(df2[1:4])
[out]:
char int float
two b 20 2.2
three c 30 3.3
four d 40 4.4可以看到选取的数据是不包含方括号最右侧的编号所对应的数据的。
选取第1行的数据
print(df2[1:2])
[out]:
char int float
two b 20 2.22.2.2 使用.loc()和.iloc()
区别就是.loc()是根据行索引和列索引的值来选取数据，而.iloc()是根据从0开始的下标位置来进行索引的。
选取行：
使用.loc()
print(df2.loc['one'])
[out]:
char a
int 10
float 1.1
Name: one, dtype: object
-------------------------------------------
print(df2.loc[['one', 'three']])
[out]:
char int float
one a 10 1.1
three c 30 3.3使用.iloc()
print(df2.iloc[0])
[out]:
char a
int 10
float 1.1
Name: one, dtype: object
-------------------------------------------
print(df2.iloc[[0, 2]])
[out]:
char int float
one a 10 1.1
three c 30 3.3到此这篇关于python Pandas之DataFrame索引及选取数据的文章就介绍到这了,更多相关python DataFrame索引 内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！