这期内容当中小编将会给大家带来有关怎么在pandas 中使用DataFrame索引行列，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
行索引
索引行有三种方法，分别是 loc iloc ix
计算
安全
数据库
网络和加速
企业服务
import pandas as pd
import numpy as np
index = ["a", "b", "c", "d"]
data = np.random.randint(10, size=(4, 3))
df = pd.DataFrame(data, index=index)
"""
0 1 2
a 9 7 1
b 0 0 7
c 2 6 5
d 8 2 5
"""loc
loc通过行索引名字来确定行的
单行索引, 返回Series对象
df.loc["a"]
"""
0 9
1 7
2 1
Name: a, dtype: int64
"""
df.loc["b"]
"""
0 0
1 0
2 7
Name: b, dtype: int64
"""多行索引, 返回DataFrame对象
df.loc[["a", "c"]]
"""
0 1 2
a 9 7 1
c 2 6 5
"""iloc
通过行索引序号来确定行的
单行索引, 返回Series对象
df.iloc[0]
"""
0 9
1 7
2 1
Name: a, dtype: int64
"""
df.iloc[1]
"""
0 0
1 0
2 7
Name: b, dtype: int64
"""多行索引, 返回DataFrame对象
df.iloc[[0, 2]]
"""
0 1 2
a 9 7 1
c 2 6 5
"""ix(不建议使用)
通过行索引名字或序号来确定行的, 如果行索引 index 的类型为整型时, 使用 ix 方法索引时为按行索引名字进行索引, 如行索引名不存在则会报错
index = [2, 3, 4, 5]
df = pd.DataFrame(data, index=index)
"""
0 1 2
2 9 7 1
3 0 0 7
4 2 6 5
5 8 2 5
"""
df.ix[2]
"""
0 9
1 7
2 1
Name: 2, dtype: int64
"""
# 提示信息
"""
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing
"""
# 如果 index 为整数, 则不能按行索引号进行索引
df.ix[0]
"""
...
KeyError: 0
"""列索引
索引行有两种方法，分别是 . []
import pandas as pd
import numpy as np
columns = ["i", "ii", "iii"]
data = np.random.randint(10, size=(4, 3))
df = pd.DataFrame(data, columns=columns)
"""
i ii iii
0 4 5 9
1 0 3 4
2 7 9 1
3 8 2 3
"""通过 . 属性直接获取指定行, 返回Series对象
df.i
"""
0 4
1 0
2 7
3 8
Name: i, dtype: int64
""" []
单列索引, 返回DataFrame对象
df[["i"]]
"""
i
0 4
1 0
2 7
3 8
"""多列索引, 返回DataFrame对象
df[["i", "ii"]]
"""
i ii
0 4 5
1 0 3
2 7 9
3 8 2
"""同时索引行及列
通过指定索引名或切片方式进行索引
index = ["a", "f", "c", "h"]
columns = ["i", "ii", "iii"]
df = pd.DataFrame(data, index=index, columns=columns)
"""
i ii iii
a 4 5 9
f 0 3 4
c 7 9 1
h 8 2 3
"""loc
通过指定行及列索引名进行索引, 返回DataFrame对象
df.loc[["a", "f"], ["ii", "iii"]]
"""
ii iii
a 5 9
f 3 4
"""通过指定行及列索引名范围进行索引(包含边值), 返回DataFrame对象
df.loc["a":"c", "ii":"iii"]
"""
ii iii
a 5 9
f 3 4
c 9 1
"""iloc
通过指定行及列索引号进行索引, 返回DataFrame对象
df.iloc[[0, 1], [1, 2]]
"""
ii iii
a 5 9
f 3 4
"""通过指定行及列索引号范围进行切片索引(左闭右开), 返回DataFrame对象
df.iloc[:3, 1:3]
"""
ii iii
a 5 9
f 3 4
c 9 1
"""ix(不建议使用)
通过指定行及列索引号范围或名字范围进行切片, 返回DataFrame对象
df.ix["a":"c", "i":"iii"]
df.ix["a":"c", 1:3]
df.ix[:3, 1:3]上述就是小编为大家分享的怎么在pandas 中使用DataFrame索引行列了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注亿速云行业资讯频道。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
