pandas中DataFrame格式进行切片操作

博主因脑容量有限,将写过的数据读取分割操作进行总结。介绍了pandas获取指定列和行的方法,包括取行、取列、取多列、按列索引取多列、增加列以及对列进行排序等操作,并说明了部分操作的注意事项。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

由于本人脑容量有限,每次进行数据读取分割时总需查阅,因此将写过的在此总结

pandas获取指定的列和行

1:取行的操作:

DATA.loc[3:6]

类似于python的切片操作

2:取列操作:

DATA['T1DIST_UNC_T1[0]']

这是读取csv文件时默认的第一行索引

3:取两列

DATA[['T1DIST_UNC_T1[0]',T1DIST_UNC_T1[1]']]

取多个列也是同理的,注意里面是一个list的列表,不然会报错误;

4:按列索引取多列

DATA[DATA.columns[3:6]]

先取出多个列明,再按照列名进行取值;

5:增加列:

DATA['T1DIST_UNC_T1[65]']=list([.....])

跟字典的操作有点类似;

6:对列进行排序操作:

DATA.sorted_values('T1DIST_UNC_T1[0]',inplace=True,ascending=True)

这里的inplace表示再排序的时候是否生成一个新的dataframe 结构,ascending=true表示升序,默认也是升序;还有一点应该注意的是:对于缺省值,(Nan)排序的时候会把他排在末尾;

Pandas中,可以使用不同的方法对DataFrame切片操作。以下是几种常见的切片方法: 1. 列切片: - 使用iloc方法:df.iloc[:, start:end可以选择指定列的切片,其中start和end是列索引的起始和结束位置(不包括结束位置)。 例如,df.iloc[:, 0:3选择了索引为0、1、2的三列数据。 - 使用loc方法:df.loc[:, start:end也可以实现相同的功能,其中start和end是列名的起始和结束位置(包括结束位置)。 例如,df.loc[:, '性别':'数学']也选择了包括'性别'和'数学'列在内的切片。 2. 切片: - 使用iloc方法:df.iloc[start:end, [col1, col2, ...]]可以选择指定和列的切片,其中start和end是索引的起始和结束位置(不包括结束位置),是列索引的列表。 例如,df.iloc[:2, [1, 3]]选择了前两的第1列和第3列数据。 - 使用loc方法:df.loc[start:end, [col1, col2, ...]]也可以实现相同的功能,其中start和end是名的起始和结束位置(包括结束位置),是列名的列表。 例如,df.loc[:'李四', ['语文', '英语']]选择了从第一到'李四'的'语文'和'英语'列数据。 通过这些方法,我们可以根据具体需求对DataFrame切片,提取所需的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Pandas DataFrame切片的5种方法](https://blog.youkuaiyun.com/devid008/article/details/130590332)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Pandas DataFrame切片器的基本操作及应用](https://blog.youkuaiyun.com/liao571252510/article/details/124078758)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值