pandas实现按行选择的方法

本篇内容介绍了“pandas实现按行选择的方法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

目录

• 1.自定义行索引
  

• 2. 按普通索引选择数据
  

• 2.1 按普通索引选择单行数据
  

• 2.2 按行索引选择多行数据
  

• 3.按位置索引选择数据
  

• 3.2 按位置索引选择多行数据
  

• 4.选择连续多行数据
  

• 5.选择满足条件的行
  

• 5.1单个条件选择
  

• 5.2 多个条件选择
  

• 5.2.1 多个条件是且的关系
  

• 5.2.2 多个条件是或的关系
  

本文所用到的Excel表格内容如下:

1.自定义行索引

dataframe读取Excel表格时是由自定义行索引的。这里为了展示效果，先进行自定义行索引的操作

import pandas as pd

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
print('设置索引前：')
print(df)
print('设置索引后：')
df.index = ['一', '二', '三', '四', '五']
print(df)

result:
设置索引前：
   区域   省份  城市         时间  指标     地址    权重      字符
0  东北   辽宁  大连 2019-09-06  12  “123“  0.78  u"123"
1  西北   广东  西安 2019-09-07  87  “124“  0.65  u"124"
2  华南   北京  深圳 2019-09-08  87  “125“  0.34  u"125"
3  华北   湖北  北京 2019-09-09  45  “126“  1.23  u"126"
4  华中  黑龙江  武汉 2019-09-10  21  “127“  8.90  u"127"
设置索引后：
   区域   省份  城市         时间  指标     地址    权重      字符
一  东北   辽宁  大连 2019-09-06  12  “123“  0.78  u"123"
二  西北   广东  西安 2019-09-07  87  “124“  0.65  u"124"
三  华南   北京  深圳 2019-09-08  87  “125“  0.34  u"125"
四  华北   湖北  北京 2019-09-09  45  “126“  1.23  u"126"
五  华中  黑龙江  武汉 2019-09-10  21  “127“  8.90  u"127"

2. 按普通索引选择数据

这里说一下，行普通索引实际上就是行名。为了行文方便，后续一律称普通索引。

2.1 按普通索引选择单行数据

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
df.index = ['一', '二', '三', '四', '五']
print(df.loc['一'])

result:
区域                     东北
省份                     辽宁
城市                     大连
时间    2019-09-06 00:00:00
指标                     12
地址                  “123“
权重                   0.78
字符                 u"123"
Name: 一, dtype: object

2.2 按行索引选择多行数据

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
df.index = ['一', '二', '三', '四', '五']
print(df.loc[['一', '三', '四']])

result:
   区域  省份  城市         时间  指标     地址    权重      字符
一  东北  辽宁  大连 2019-09-06  12  “123“  0.78  u"123"
三  华南  北京  深圳 2019-09-08  87  “125“  0.34  u"125"
四  华北  湖北  北京 2019-09-09  45  “126“  1.23  u"126"

注：选择单列数据是参数为字符串类型，多列数据时参数为列表类型

3.按位置索引选择数据

3.1 按位置索引选择单行数据

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
df.index = ['一', '二', '三', '四', '五']
print(df.iloc[0])

result:
区域                     东北
省份                     辽宁
城市                     大连
时间    2019-09-06 00:00:00
指标                     12
地址                  “123“
权重                   0.78
字符                 u"123"
Name: 一, dtype: object

3.2 按位置索引选择多行数据

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
df.index = ['一', '二', '三', '四', '五']
print(df.iloc[[0, 1]])

result:
   区域  省份  城市         时间  指标     地址    权重      字符
一  东北  辽宁  大连 2019-09-06  12  “123“  0.78  u"123"
二  西北  广东  西安 2019-09-07  87  “124“  0.65  u"124"

4.选择连续多行数据

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
df.index = ['一', '二', '三', '四', '五']
print(df.iloc[0:2])

result:
   区域  省份  城市         时间  指标     地址    权重      字符
一  东北  辽宁  大连 2019-09-06  12  “123“  0.78  u"123"
二  西北  广东  西安 2019-09-07  87  “124“  0.65  u"124"

表示获取所有行第1列到第3列的数据。选择连续多列数据时语法类似于切片语法，所以也称之为切片索引。

5.选择满足条件的行

5.1单个条件选择

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
print(df[df['指标'] < 50])

result:
   区域   省份  城市         时间  指标    权重
0  东北   辽宁  大连 2019-09-06  12  0.78
3  华北   湖北  北京 2019-09-09  45  1.23
4  华中  黑龙江  武汉 2019-09-10  21  8.90

5.2 多个条件选择

5.2.1 多个条件是且的关系

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
print(df[(df['指标'] < 50) & (df['权重'] < 1)])

result:
   区域  省份  城市         时间  指标    权重
0  东北  辽宁  大连 2019-09-06  12  0.78

5.2.2 多个条件是或的关系

df = pd.read_excel(r'C:\Users\admin\Desktop\data_test.xlsx')
print(df[(df['指标'] < 50) | (df['权重'] < 1)])

result:
   区域   省份  城市         时间  指标    权重
0  东北   辽宁  大连 2019-09-06  12  0.78
1  西北   广东  西安 2019-09-07  87  0.65
2  华南   北京  深圳 2019-09-08  87  0.34
3  华北   湖北  北京 2019-09-09  45  1.23
4  华中  黑龙江  武汉 2019-09-10  21  8.90

“pandas实现按行选择的方法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！