python-DataFrame数据选择方法

最新推荐文章于 2024-05-14 08:16:58 发布
原创 最新推荐文章于 2024-05-14 08:16:58 发布 · 3k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍使用Pandas库进行DataFrame数据操作的方法，包括将DataFrame视为由多个Series组成的字典和二维数组，以及如何利用loc、iloc和ix索引器进行高效的数据选择。此外，还介绍了如何通过条件过滤和索引修改数据。

DataFrame数据选择方法

将数据框看成字典

1. 把dataframe当作由若干个series对象构成的字典
import numpy as np
import pandas as pd

area = pd.Series({'California': 423967,'Texas': 695662,
                  'Nwe York':141297,'Florida':170312,'Illinois':149995})
pop = pd.Series({'California': 38332521,'Texas': 26448193,
                  'Nwe York':19651127,'Florida':19552860,'Illinois':12882135})
data = pd.DataFrame({'Area':area,'Pop':pop})
data
AreaPop
California42396738332521
Texas69566226448193
Nwe York14129719651127
Florida17031219552860
Illinois14999512882135
data.Pop

California    38332521
Texas         26448193
Nwe York      19651127
Florida       19552860
Illinois      12882135
Name: Pop, dtype: int64

data['Area']

California    423967
Texas         695662
Nwe York      141297
Florida       170312
Illinois      149995
Name: Area, dtype: int64

#添加新列
data['Density'] = data['Pop'] / data['Area']
data
AreaPopDensity
California4239673833252190.413926
Texas6956622644819338.018740
Nwe York14129719651127139.076746
Florida17031219552860114.806121
Illinois1499951288213585.883763
2. 将dataframe看作二维数组
#用values属性查看数组数据
data.values

array([[4.23967000e+05, 3.83325210e+07, 9.04139261e+01],
       [6.95662000e+05, 2.64481930e+07, 3.80187404e+01],
       [1.41297000e+05, 1.96511270e+07, 1.39076746e+02],
       [1.70312000e+05, 1.95528600e+07, 1.14806121e+02],
       [1.49995000e+05, 1.28821350e+07, 8.58837628e+01]])

data.T
CaliforniaTexasNwe YorkFloridaIllinois
Area4.239670e+056.956620e+051.412970e+051.703120e+051.499950e+05
Pop3.833252e+072.644819e+071.965113e+071.955286e+071.288214e+07
Density9.041393e+013.801874e+011.390767e+021.148061e+028.588376e+01
# 通过 pandas索引器 loc iloc ix
print(data.iloc[:1,:1])
print(data.loc[:'Texas',:'Pop']) # 按照列名索引
print(data.ix[:2,:'Pop']) #目前混合索引已经弃用

              Area
California  423967
              Area       Pop
California  423967  38332521
Texas       695662  26448193
              Area       Pop
California  423967  38332521
Texas       695662  26448193


d:\python3.6\lib\site-packages\ipykernel_launcher.py:4: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  after removing the cwd from sys.path.

# loc 的花式索引
data.loc[data.Density > 100 ,['Pop','Density']]

# 索引后更改数据 
data.iloc[0,2] = 90
data
AreaPopDensity
California4239673833252190.000000
Texas6956622644819338.018740
Nwe York14129719651127139.076746
Florida17031219552860114.806121
Illinois1499951288213585.883763
3.其他取值方法
# 对数据直接过滤
data[data.Density > 100]
AreaPopDensity
Nwe York14129719651127139.076746
Florida17031219552860114.806121
Shaw_tingshu
关注
Pandas数据取值与选择
Junds0的博客
03-19 1875
第1关：Series数据选择 本关任务：根据相关知识，得到目标Series对象，具体要求请查看编程要求。 import pandas as pd import numpy as np arr = input() dates = pd.date_range('20190101', periods=25) # 生成时间序列 df = pd.Series(eval(arr),index=dates) #完成编程要求，并输出结果 #********** Begin **********# key = pd.to_
python-dataframe 常用函数合集
积少成多
08-03 2031
一定有你会用到的
dataframe数据常用python操作
爱数据爱统计
05-14 1996
dataframe的常用python操作
Pandas数据类型-DataFrame之创建和访问
weixin_48668114的博客
08-07 3111
DataFrame之创建和访问
第2关：DataFrame数据选择方法
qq_65077162的博客
05-11 2719
任务描述 本关任务：通过相关知识介绍的取值方法，得到目标DataFrame对象，具体要求请查看编程要求。 相关知识 将DataFrame看作字典 DataFrame可以看作一个由若干Series对象构成的字典，可以通过对列名进行字典形式的取值获取数据。 In: area = pd.Series({'California': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995})
python中如何快速地筛选列表中的数据
热门推荐
IT技术讨论
10-11 1万+
经实际测试，推荐使用方法二。耗时短，取值方便。 方法1：for in 遍历 耗时最长（约是方法二、三的3倍），空间占用少（不生成新对象）。 方法2：列表生成式 耗时短，生成新列表。 方法3：高级函数：filter（function，iterable） 耗时短，返回filter对象，取值需要通过__next()__函数。 测试代码： import time list1 = [1,2,3,4,5,6...
python - DataFrame查询数据操作 LJdata.csv
06-07
数据集 LJdata.csv
Python库 | rich-dataframe-0.1.1.tar.gz
03-10
"Python库 | rich-dataframe-0.1.1.tar.gz" 是一个针对Python开发者的资源，主要用于增强数据处理和分析的体验。这个压缩包包含了一个名为 "rich-dataframe" 的库，版本为0.1.1。从名字可以推测，这个库可能是用来...
Python 将DataFrame数据转换成元组 Python源码
11-11
Python 将DataFrame数据转换成元组 Python源码Python 将DataFrame数据转换成元组 Python源码Python 将DataFrame数据转换成元组 Python源码Python 将DataFrame数据转换成元组 Python源码Python 将DataFrame数据转换成...
Python源码-Pandas数据处理-将DataFrame数据转为字典.zip
05-25
在本次提供的文件“Python源码-Pandas数据处理-将DataFrame数据转为字典.zip”中，我们可以期待包含的Python脚本是专注于如何高效且准确地完成上述转换任务的。源码可能会展示以下几点关键内容： 1. 如何导入Pandas...
python dataframe 查找数据总结
RobbenEmi的专栏
12-13 7896
比如我们有个dataframe如下： 查找第一行 a.loc[0] a.iloc[0] 查找a列 a[‘a’] 查找指定行列的值 a[‘a’][0] a[‘a’].loc[0] a[‘a’].iloc[0] 说明 最好用loc和iloc，因为当dataframe排序后，a[‘a’][0]并不是排序后a列第一行的数据，而是a列，index为0的值 ...
python dataframe 取值_给妹子讲python-S02E12DataFrame数据选取方法
weixin_39819327的博客
12-06 573
微信公众号: python数据科学家【要点抢先看】1.对列标签进行字典形式的取值访问，获取Series对象2.使用字典语法进行列的扩充3.使用values属性，获取ndarray二维数组类型，可以使用相同操作方法4.loc、iloc、ix三种索引器，支持行和列的索引、分片灵活操作5.DataFrame的条件过滤操作6.DataFrame具体值的修改这一集，我们来说DataFrame对象的数据选...
dataframe的数据选择
jiangshandaiyou的博客
08-23 356
import numpy as np import pandas as pd dates = pd.date_range('1/1/2000', periods=8) dfa = pd.DataFrame(np.random.randn(8, 4),index=dates, columns=['A', 'B', 'C', 'D']) dfa A B C D 2000-01-01
python dataframe 数据筛选/查询 小案例
small__roc的博客
02-23 1773
文章目录一、导入库二、构建数据集 dataframe三、小案例3.1 filter + isin3.2 map3.3 map + 自定义函数3.4 apply3.5 apply + 自定义函数3.6 query3.7 eval3.8 更简洁 一、导入库 import random import pinyin import pandas as pd 二、构建数据集 dataframe names = ['南宫婉','雅菲','余靖秋','姜立','小舞','胡列娜','比比东','云韵','美杜莎','焰灵
DataFrame数据选择方法——Pandas
学而不思则忘
07-09 533
一、将DataFrame看成字典 通过键值来取，用一个键值，就可以取出一行值或者一列值；当然也可以用两个键值组合，就可以取出唯一确定的值。和坐标类似。 二、将DataFrame看作二维数组 三、其他方法 大体思路就和数组取值类似，只不过是相应的索引换了内容。 ...
Python Pandas DataFrame数据选择方法
bravozyz的博客
08-08 659
Python Pandas DataFrame数据选择方法 创建一个DataFrame对象。 新增一列 新增一个表示乐队成立年份的列。 获取一列数据 有两种方式获取一列数据，返回的对象为Index对象。 获取一行数据 获取单个数据 与数组的区别是，DataFrame对象取值的索引顺序是先列后行。 切片、索引器 DataFrame对象的取值是按照先列后行的顺序，依照的是显式索引。 loc依照显式索引进行切片，iloc依照隐式索引进行切片。 DataFrame对象还支持掩码、花哨索引等操作，
DataFrame数据选取超全攻略
プロノCodeSteel
07-23 2132
pandas库的DataFrame，作为一种非常强大的数据处理手段，一直以来无论是从整个库的API设计和性能，都给我非常大的惊喜，但是，在由生疏到慢慢熟练的过程中，发现在利用DataFrame时，一个最大的问题就是，如何高效优雅地选取到自己需要的数据，毕竟大部分时候我们是不需要整个DataFrame中的所有数据的。而为了遵循python语言本身的设计哲学，这些操作几乎都是利用原有的运算符，pand...
一起学Pandas系列基础篇---数据选择
懿洺君的博客
04-06 3079
以上展示了对DataFrame数据选择一列，可以是Series或DataFrame数据； 切片列举，包括选择前两行、第4至第9行、全部数据、取偶数前五行、反转顺序、特定两列等。
【数据处理包Pandas】DataFrame数据选择的基本方法
Morse_Chen的博客
04-01 2768
本文讲解数据处理包Pandas，围绕DataFrame数据选择的基本方法，包括选择行/列，带条件筛选。
python - DataFrame获取行数
最新发布
06-12
### 获取 Pandas DataFrame 的行数方法 在 Python 中，Pandas 是一个强大的数据分析工具，提供了多种方式来获取 DataFrame 的行数。以下是几种常见的方法： #### 方法一：使用 `shape` 属性 `shape` 属性返回一个包含 DataFrame 行数和列数的元组。可以通过索引 `[0]` 来获取行数。 ```python import pandas as pd df = pd.DataFrame({'a':[None, 2, 3], 'b':[4, 5, 6], 'c':[7, 8, 9]}) rows = df.shape[0] print(rows) # 输出：3 ``` 此方法简单直观，适用于需要同时获取行数和列数的场景[^1]。 #### 方法二：使用 `len()` 函数 `len()` 函数可以直接作用于 DataFrame，返回其行数。 ```python import pandas as pd df = pd.DataFrame({'a':[None, 2, 3], 'b':[4, 5, 6], 'c':[7, 8, 9]}) rows = len(df) print(rows) # 输出：3 ``` 该方法简洁明了，适合快速获取行数[^2]。 #### 方法三：使用 `count()` 方法 `count()` 方法可以统计每列非空值的数量。如果需要忽略空值并统计实际数据行数，可以结合 `axis=0` 参数。 ```python import pandas as pd df = pd.DataFrame({'a':[None, 2, 3], 'b':[4, 5, 6], 'c':[7, 8, 9]}) rows = df.count(axis=0).max() print(rows) # 输出：3 ``` 注意，此方法统计的是非空值的行数，可能与总行数不同[^1]。 #### 方法四：使用 `index` 属性 通过访问 DataFrame 的 `index` 属性并计算其长度，也可以得到行数。 ```python import pandas as pd df = pd.DataFrame({'a':[None, 2, 3], 'b':[4, 5, 6], 'c':[7, 8, 9]}) rows = len(df.index) print(rows) # 输出：3 ``` 这种方法特别适用于需要基于索引操作的场景[^2]。 ### 总结 以上方法均可用于获取 Pandas DataFrame 的行数，具体选择取决于实际需求。如果需要包括所有行（包括包含空值的行），推荐使用 `shape` 或 `len()` 方法；如果需要排除空值，则可以选择 `count()` 方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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