Pandas手册（3）-DataFrame-Selection By Label/Position

1. 序

    这里主要介绍下，在DataFrame中一些筛选的操作，常用的有下面这些

熟练掌握上面的几个方法，操作DataFrame应该就足够了

import pandas as pd

import numpy as np



d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),

     'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}



df = pd.DataFrame(d)



print('原始数据：\n',df)



print('index 为a的数据：\n',df.loc['a'])

print('index下标为2的数据：\n', df.iloc[2])

.loc函数

，主要就是通过label来获取row数据

前面的例子，都是通过label来输出指定的行数据，其实也可以控制输出指定的列

df2 = pd.DataFrame(np.random.randn(6,4),index=list('abcdef'),

                   columns=list('ABCD'))

print(df2)

print(df2.loc['c':])

print(df2.loc['d':,['A','D']])

我们还可以实现更复杂的筛选

我们只输出指定的列，label 为a的行数值大于-1且小于0的列

print(df2.loc[:,(df2.loc['a']>-1) & (df2.loc['a']<0)])

#输出指定单元格数据

print(df2.loc['a','C'])

.iloc函数

就是通过下标来筛选数据

df3 = pd.DataFrame(np.random.randn(6,4),

                   index=list(range(0,12,2)),

                   columns=list(range(0,8,2)))

print(df3)

#输出第2行

print(df3.iloc[1])

print(df3.iloc[:3])

print(df3.iloc[3:5,1:3])

print(df3.iloc[[1, 3, 5], [1, 3]])

附录（参考资料）

Indexing and Selecting Data

Selection By Label