pandas实现按行选择的示例代码
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
到此这篇关于pandas实现按行选择的示例代码的文章就介绍到这了,更多相关pandas 按行选择内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞!
相关文章
pandas pd.read_csv()函数中parse_dates()参数的用法说明
这篇文章主要介绍了pandas pd.read_csv()函数中parse_dates()参数的用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-05- 今天小编就为大家分享一篇Pandas实现DataFrame按行求百分数(比例数),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-05-09
- 本文主要介绍了python使用pandas按照行数分割表格,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-08-13
- 这篇文章主要介绍了解决python3安装pandas出错的问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教...2021-05-20
- 比较操作是很简单的基础知识,不过Pandas中的比较操作有一些特殊的点,本文介绍的非常详细,对正在学习python的小伙伴们很有帮助.需要的朋友可以参考下...2021-05-20
- 这篇文章主要介绍了用pandas划分数据集实现训练集和测试集,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-07-20
- 这篇文章主要介绍了pandas 实现将两列中的较大值组成新的一列,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-26
- pandas 读取excel文件使用的是 read_excel方法。本文将详细解析read_excel方法的常用参数,以及实际的使用示例,感兴趣的朋友跟随小编一起看看吧...2021-11-01
解决python pandas读取excel中多个不同sheet表格存在的问题
这篇文章主要介绍了解决python pandas读取excel中多个不同sheet表格存在的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-14- 笔者最近正在学习Pandas数据分析,将自己的学习笔记做成一套系列文章。本节主要记录Pandas中使用stack和pivot实现数据透视。感兴趣的小伙伴们可以参考一下...2021-09-05
- 这篇文章主要介绍了对python pandas中 inplace 参数的理解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-06-28
Pandas.DataFrame转置的实现 <font color=red>原创</font>
这篇文章主要介绍了Pandas.DataFrame转置的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-09- 这篇文章主要介绍了pandas 实现某一列分组,其他列合并成list的案例。具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-26
- 今天给大家带来的是关于Python的相关知识,文章围绕着Pandas常用函数方法展开,文中有非常详细的介绍及代码示例,需要的朋友可以参考下...2021-06-16
- 这篇文章主要介绍了python 用pandas实现数据透视表功能的方法,帮助大家更好的理解和使用python,感兴趣的朋友可以了解下...2020-12-21
- 今天小编就为大家分享一篇Pandas 解决dataframe的一列进行向下顺移问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-05-09
- 这篇文章主要介绍了基于pandas向csv添加新的行和列,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-05-26
- 这篇文章主要介绍了快速解释如何使用pandas的inplace参数的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-07-23
- 时间偏移就是在指定时间往前推或者往后推一段时间,即加减一段时间之后的时间,本文使用Python实现,感兴趣的可以了解一下...2021-08-08
pandas中DataFrame数据合并连接(merge、join、concat)
这篇文章主要给大家介绍了关于pandas中DataFrame 数据合并连接(merge、join、concat)的相关资料,文中介绍的非常详细,需要的朋友可以参考下...2021-05-30