Pandas之行選擇和列選擇的示例分析

這篇文章主要為大家展示了“Pandas之行選擇和列選擇的示例分析”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Pandas之行選擇和列選擇的示例分析”這篇文章吧。

在剛學Pandas時，行選擇和列選擇非常容易混淆，在這里進行一下討論和歸納

import pandas as pd

fandango = pd.read_csv('fandango_score_comparison.csv')

原始的數據如下（截取了一部分）

 行選擇

Pandas進行行選擇一般有三種方法：

• 連續多行的選擇用類似于python的列表切片

• 按照指定的索引選擇一行或多行，使用loc[]方法

• 按照指定的位置選擇一行多多行，使用iloc[]方法

第一種，使用類似于python的列表切片

n = fandango[1:3]

從結果可以看到，和python的列表切片一樣，索引號從0開始，選擇了索引號1和2的數據（不包括3）

 第二種，按照指定的索引選擇一行或多行，使用loc[]方法

o = fandango.loc[1]

p = fandango.loc[1:3]

可以看到，o是一個Series，選擇了索引號為1的那一行數據，注意p，它與第一種的列表索引最大的不同是包含了索引號為3的那一行數據

u = fandango.loc[[1,3]]

這里按照索引號選擇不連續的行

第三種，按照指定的位置選擇一行多多行，使用iloc[]方法

在上面的數據中，使用iloc[]和loc[]的效果是一樣的，因為索引號都是從0開始并且連續不斷，現在我要刪除索引號為1和2的這兩行

fandango_drop = fandango.drop([1,2], axis=0)

可以看到的確刪除了兩行數據

此時我仍然用loc[]來索引行號為2的那一行，就會出錯

s = fandango_drop.loc[2]

但是，我使用iloc[]來進行一次

t = fandango_drop.iloc[2]

看到了吧，iloc[2]的意思是選擇第三行的數據，也就是索引號為4的那一行數據，因為iloc[]的計算也是從0開始的，所以iloc[]適用于數據進行了篩選后造成索引號與原來不一致的情況

loc[]與iloc[]方法之間還有一個巨大的差別，那就是loc[]里的參數是對應的索引值即可，所以參數可以是整數，也可以是字符串。而iloc[]里的參數表示的是第幾行的數據，所以只能是整數

 列選擇

列選擇比較簡單，只要直接把列名傳遞過去即可，如果有多列的數據，要單獨指出列名或列的索引號

第一種，選擇單列，選擇了電影名稱那一列

q = fandango['FILM']

第二種，通過指定列名選擇多列

r = fandango[['FILM','Metacritic']]

第三種，非常容易讓人混淆的，通過列的索引號選擇多列

v = fandango[[0,1,2]]

其實，列也是有一個索引號的，看到這里不禁想問，那我要選擇前5列呢？我不想寫一個長列表，又不想逐個寫出這5列的名稱，能否用切片呢？

x = fandango[[0:5]]

事實證明，這是不行的，更好的方法是在參數中構建一個列表

w = fandango[list(range(5))]

以上是“Pandas之行選擇和列選擇的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！