pandas選擇數據-【老魚學pandas】

来源:http://www.cnblogs.com/dreampursuer/archive/2017/11/20/7834885.html
-Advertisement-
Play Games

選擇列 根據列名來選擇某列的數據 輸出結果： 也可以用點符號來進行： 上面的功能跟data["A"]一樣。 選擇某幾行數據 輸出為： 也可以根據索引號範圍來選擇某幾行的數據。 比如，如下的例子中我們就選擇出2017 01 10到2017 01 12的數據： 輸出為： 使用loc進行選擇 使用loc選 ...


選擇列

根據列名來選擇某列的數據

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)
# 選擇A列數據
print("A列數據：")
print(data["A"])

輸出結果：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
A列數據：
2017-01-08     0
2017-01-09     4
2017-01-10     8
2017-01-11    12
2017-01-12    16
2017-01-13    20
Freq: D, Name: A, dtype: int32

也可以用點符號來進行：

print(data.A)

上面的功能跟data["A"]一樣。

選擇某幾行數據

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇0至3行的數據：")
print(data[0:3])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇0至3行的數據：
            A  B   C   D
2017-01-08  0  1   2   3
2017-01-09  4  5   6   7
2017-01-10  8  9  10  11

也可以根據索引號範圍來選擇某幾行的數據。
比如，如下的例子中我們就選擇出2017-01-10到2017-01-12的數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("按照索引選擇數據：")
print(data["2017-01-10":"2017-01-12"])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
按照索引選擇數據：
             A   B   C   D
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19

使用loc進行選擇

使用loc選擇某幾行的數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("按照索引選擇數據：")
print(data.loc["2017-01-10":"2017-01-12"])

輸出：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
按照索引選擇數據：
             A   B   C   D
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19

也可以按照列進行選擇數據，比如，我們想要選擇其中B和C列的數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇某兩列的數據：")
print(data.loc[:, ["B", "C"]])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇某兩列的數據：
             B   C
2017-01-08   1   2
2017-01-09   5   6
2017-01-10   9  10
2017-01-11  13  14
2017-01-12  17  18
2017-01-13  21  22

如果只想選擇某幾行中某幾列的數據，可以對上面的例子進行一下稍微的修改就能實現：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇某幾行某幾列的數據：")
print(data.loc["2017-01-09":"2017-01-12", ["B", "C"]])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇某幾行某幾列的數據：
             B   C
2017-01-09   5   6
2017-01-10   9  10
2017-01-11  13  14
2017-01-12  17  18

根據位置索引選擇數據

位置索引的方法為iloc，例如，選擇第3行第2列的數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇第3行第2列的數據：")
print(data.iloc[3, 1])

輸出：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇第3行第2位的數據：
2017-01-11    13
2017-01-12    17
2017-01-13    21
Freq: D, Name: B, dtype: int32

當然，我們也可以在iloc中使用切片，比如，我想選擇出從第3行之後的第2列數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇第3行之後第2列的數據：")
print(data.iloc[3:, 1])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇第3行之後第2列的數據：
2017-01-11    13
2017-01-12    17
2017-01-13    21
Freq: D, Name: B, dtype: int32

我們也可以單獨地選擇某幾行的數據，例如：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇第1,3,5行第1到第3列的數據：")
print(data.iloc[[1, 3, 5], 1:3])
data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇第3行之後第2列的數據：
             B   C
2017-01-09   5   6
2017-01-11  13  14
2017-01-13  21  22

標簽和位置混合篩選

比如行用數字來篩選，而列用標簽來進行篩選，例如：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("選擇第1,3,5行第1到第3列的數據：")
print(data.ix[[1, 3, 5], ["A", "C"]])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇第1,3,5行第1到第3列的數據：
             A   C
2017-01-09   4   6
2017-01-11  12  14
2017-01-13  20  22

根據某列中的數值進行篩選

類似於SQL中where column < xxx這種類型的選擇。
例如，選擇出A列小於8的數據：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("根據某列中的數值進行篩選：")
print(data[data.A < 8])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
選擇根據某列中的數值進行篩選：
            A  B  C  D
2017-01-08  0  1  2  3
2017-01-09  4  5  6  7

如果想要進行聯合索引，比如where A<8 and B < 5，則：

import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)

print("根據某列中的數值進行篩選：")
data = data[data.A < 8]
print(data[data.B < 5])

輸出為：

data:
             A   B   C   D
2017-01-08   0   1   2   3
2017-01-09   4   5   6   7
2017-01-10   8   9  10  11
2017-01-11  12  13  14  15
2017-01-12  16  17  18  19
2017-01-13  20  21  22  23
根據某列中的數值進行篩選：
            A  B  C  D
2017-01-08  0  1  2  3

您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 重構手法之Split Temporary Variable（分解臨時變數）
    返回總目錄 本小節目錄 Split Temporary Variable（分解臨時變數） Remove Assignments to Parameters（移除對參數的賦值） Remove Assignments to Parameters（移除對參數的賦值） 6.6Split Temporary ...
  • 多資料庫有序GUID
    本文主要討論在資料庫中使用GUID類型作為主鍵時常見的弊端，以及解決辦法，希望您能有所收穫。 ...
  • 簡單實現 C# 與 Javascript的相容
    本文章介紹下自己這剛實現的一個c#與js交互的插件。需求來源於一次與朋友的討論。主要對話如下： 朋友：最近我想模擬一些數據，來測試我現在寫的介面，但手工編寫這些測試數據太麻煩了 本人：是啊，.net能生成模擬數據的開源庫的不少吧。不過就我們搞前端的有個叫Mock.js這方面挺好用的 朋友：說來聽聽 ...
  • 存儲過程，觸發器，等等。。。
    存儲過程if (object_id('proc_find_stu', 'P') is not null) drop proc proc_find_stugocreate proc proc_find_stu(@startId int, @endId int,@outID int output)as ...
  • C#讀取固定文本格式的txt文件
    C#讀取固定文本格式的txt文件 一個簡單的C#讀取txt文檔的程式，文檔中用固定的格式存放著實例數據。 ...
  • out參數ref參數params 可變參數
    1、我們在主函數中調用其他函數，我們管主函數為調用者，其他函數為被調用者。 如果被調用者，想要得到調用者的值：傳參 使用靜態欄位來模擬全局變數 在方法外類里寫欄位 public static _name=10; 2、如果調用者想要得到被調用者的值 1.返回值 不管形參和實參都是開闢空間的 方法的功能 ...
  • try except與try finally不同之處
    try//嘗試執行 {SomeCode} except//出錯的時候執行, Except有特定的錯誤類型 {SomeCode} end; try//嘗試執行 {SomeCode} finally//無論如何都強制執行 {SomeCode} end; 例:tryAge:=StrToInt(Edit1. ...
  • 列印中文dict list的各種姿勢
    在開發過程中，我們經常需要列印一些變數的值，便於調試。這個時候就會發現如果在dict list這些容器中，如果包含中文字元，不管是str類型，還是unicode類型，都列印不出來。如下： >>> print {'name': '張三'}{'name': '\xd5\xc5\xc8\xfd'}>>> ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類