DataFrame行列操作方法（二）

一些DataFrame的行列操作方法。

新建一个DataFrame对象，代码如下：

df = pd.DataFrame(data = [[1,2,3,4,],[5,6,7,8],[9,10,11,12]],
                  index=['row1','row2','row3'],
                  columns=['col1','col2','col3','col4'])
print(df)

输出结果：

      col1  col2  col3  col4
row1     1     2     3     4
row2     5     6     7     8
row3     9    10    11    12

 

1、行列整体操作

df.index，df.index.values，df.columns，df.columns.values，代码：

print(df.index)  # 列索引
print('---------------------------------')
print(df.index.values) # 列索引值列表
print('---------------------------------')
print(df.columns) # 行索引
print('---------------------------------')
print(df.columns.values) # 行索引值列表
print('---------------------------------')
print(df.head(2)) # 取df前2行
print('---------------------------------')
print(df.tail(2)) # 取df后2行

输出结果：
---------------------------------
Index(['row1', 'row2', 'row3'], dtype='object')
---------------------------------
['row1' 'row2' 'row3']
---------------------------------
Index(['col1', 'col2', 'col3', 'col4'], dtype='object')
---------------------------------
['col1' 'col2' 'col3' 'col4']
---------------------------------
      col1  col2  col3  col4
row1     1     2     3     4
row2     5     6     7     8
---------------------------------
      col1  col2  col3  col4
row2     5     6     7     8
row3     9    10    11    12

df.sum()， df.apply()，df**2，代码：

print(df.sum())
print('----------------------------------')
print(df.apply(lambda row: row**2))
print('----------------------------------')
print(df ** 2)

输出结果：
----------------------------------
col1    15
col2    18
col3    21
col4    24
dtype: int64
----------------------------------
      col1  col2  col3  col4
row1     1     4     9    16
row2    25    36    49    64
row3    81   100   121   144
----------------------------------
      col1  col2  col3  col4
row1     1     4     9    16
row2    25    36    49    64
row3    81   100   121   144

 

2、直接使用df取DataFrame值

取列操作：

print(df['col2']) # 选择表格中的'col2'列，使用类字典属性,返回的是Series类型
print('-------------------------------')
print(df[['col2']]) # 选择表格中的'col2'列，返回的是DataFrame类型
print('-------------------------------')
print(df[['col1','col3']]) # 选择表格中的'col1','col3'列
print('-------------------------------')
print(df.col2) # 选择表格中的'col2'列，使用点属性,返回的是Series类型

输出结果：
-------------------------------
row1     2
row2     6
row3    10
Name: col2, dtype: int64
-------------------------------
      col2
row1     2
row2     6
row3    10
-------------------------------
      col1  col3
row1     1     3
row2     5     7
row3     9    11
-------------------------------
row1     2
row2     6
row3    10
Name: col2, dtype: int64

取行操作：

print(df[1:2])   # 以下标取第二行
print('-------------------------------')
print(df['row2':'row2']) # 以索引取row2行
print('-------------------------------')
print(df['row2':'row3']) # 以索引取row2-row3行
print('-------------------------------')
print(df['col2']['row3']) # 第二列第三行数据，只能使用索引

输出结果
-------------------------------
      col1  col2  col3  col4
row2     5     6     7     8
-------------------------------
      col1  col2  col3  col4
row2     5     6     7     8
-------------------------------
      col1  col2  col3  col4
row2     5     6     7     8
row3     9    10    11    12
-------------------------------
10

3、df.loc或df.iloc取DataFrame值

df.loc取DataFrame值，只能使用行列索引；df.iloc操作类似，只能使用下标：

print('---------------------------------')
print(df.loc['row2'])           # 取index为row2行的数据
print('---------------------------------')
print(df.loc[['row2']])         # 按照index的序值，取index为row2行的数据
print('---------------------------------')
print(df.loc[:,'col2'])         # 取col2列数据
print('---------------------------------')
print(df.loc['row1']['col2'])  # 取row1行，col2列数据

输出结果
---------------------------------
col1    5
col2    6
col3    7
col4    8
Name: row2, dtype: int64
---------------------------------
      col1  col2  col3  col4
row2     5     6     7     8
---------------------------------
row1     2
row2     6
row3    10
Name: col2, dtype: int64
---------------------------------
2