惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

罗磊的独立博客
The GitHub Blog
The GitHub Blog
Hugging Face - Blog
Hugging Face - Blog
博客园 - 聂微东
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
IT之家
IT之家
小众软件
小众软件
博客园_首页
G
Google Developers Blog
Apple Machine Learning Research
Apple Machine Learning Research
MyScale Blog
MyScale Blog
Engineering at Meta
Engineering at Meta
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell
人人都是产品经理
人人都是产品经理
B
Blog RSS Feed
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
D
Docker
B
Blog
雷峰网
雷峰网
WordPress大学
WordPress大学
Stack Overflow Blog
Stack Overflow Blog
宝玉的分享
宝玉的分享

老董笔记

尚硅谷机构在哪?尚硅谷培训怎么样?靠谱吗-互联网IT百科 韩顺平介绍,传智讲师,开办泰牛,入尚硅谷等一系列-互联网IT百科 pandas多重索引标准样式(写入excel有空行)-互联网IT百科 cannot join with no overlapping index names-互联网IT百科 pandas多列变多行(即宽表变长表)melt和stack函数-互联网IT百科 pandas多行转多列(长表变宽表)pivot和unstack-互联网IT百科 Index contains duplicate entries, cannot reshape完美解决-互联网IT百科 single positional indexer is out-of-bounds-互联网IT百科 Can only compare identically-labeled Series objects-互联网IT百科 pandas transform用法详解(多个案例)-互联网IT百科 python四舍五入精确实现-互联网IT百科 pandas的groupby使用apply分组排序-互联网IT百科 index 0 is out of bounds for axis 0 with size 0-互联网IT百科 pandas分组过滤filter函数-互联网IT百科 联想Win10系统如何禁用触摸屏关闭触摸-互联网IT百科 groupby分组计算transform转换返回相同长度序列-互联网IT百科 brooks seo教程python教程,brooks seo教程网盘,布鲁seo资源-互联网IT百科 电脑右键文件夹一直转圈电卡死怎么回事-互联网IT百科 施琪嘉的心理成长课(荐)-互联网IT百科 百度SEO公司_SEO推广公司哪家好_SEO外包服务如何选-老董笔记 groupby后agg同1列用多个聚合函数、不同列用不同函数、自定义函数-互联网IT百科 pandas的groupby单列多列分组聚合运算-互联网IT百科 DataFrameGroupBy对象及分组个数、分组大小、组名索引、组数据详解-互联网IT百科 pandas中groupby之Grouper and axis must be same length-互联网IT百科 pandas中groupby的分组原理-互联网IT百科 pandas的groupby的使用详解大全-互联网IT百科 openpyxl单元格自动换行强制换行Alignment(wrapText=True)-互联网IT百科 python教程全套(可就业)-互联网IT百科 联想win10系统CPU显示100%,电脑呼呼响怎么回事-互联网IT百科 如何自制CPU,CPU原理是怎么样的?-互联网IT百科
DataFrame直接索引,切片,布尔索引选择单行多行-互联网IT百科
2021-10-25 · via 老董笔记

  pandas中DataFrame直接索引就是df[xx]的形式,可以根据标签索引(index、columns参数)或者位置索引选取数据,也可以进行切片操作。DataFrame是2维数据结构,无论行还是列都存在位置索引,默认都是从0开始。

  我们按照这个df为例来进行学习。

# -*- coding: utf-8 -*-

import pandas as pd

df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df)
  city sale rent
a   bj  100  200
b   sh   80   60
c   nj   50   30

  1、列标签索引选择单列,返回Series


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df['city'])
a    bj
b    sh
c    nj
Name: city, dtype: object

  2、列标签索引选择单列,返回DataFrame


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df[['city']])
  city
a   bj
b   sh
c   nj

  3、列标签索引选择多列,返回DataFrame


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df[['city','sale']])
  city sale
a   bj  100
b   sh   80
c   nj   50

  4、行标签切片(末端包含)选择多行,返回DataFrame


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df['b':'c'])
  city sale rent
b   sh   80   60
c   nj   50   30

  5、行位置索引切片(末端不包含)选择行,DataFrame


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df[1:2])
  city sale rent
b   sh   80   60

  6、行布尔索引选择多行


df = pd.DataFrame([['bj','100','200'],['sh','80','60'],['nj','50','30']],columns=['city','sale','rent'],index=['a','b','c'])
print(df[[True,True,False]])
  city sale rent
a   bj  100  200
b   sh   80   60

很赞哦!

python编程网提示:转载请注明来源www.python66.com。
有宝贵意见可添加站长微信(底部),获取技术资料请到公众号(底部)。同行交流请加群 python学习会