南宁网站建设公司比优建站,贵阳网站建设托管,青浦网站建设,公司注册咨询电话文章目录 一、切片简介二、创建Pandas数据框三、使用iloc进行切片3.1 对行进行切片3.2 对列进行切片3.3 Dataframe选中特定单元格 四、使用loc创建切片4.1 使用Python对Dataframe中的行进行切片4.2 指定单元格 五、在Python中使用布尔条件六、结论 对 Pandas DataFrames 进行切… 文章目录 一、切片简介二、创建Pandas数据框三、使用iloc进行切片3.1 对行进行切片3.2 对列进行切片3.3 Dataframe选中特定单元格 四、使用loc创建切片4.1 使用Python对Dataframe中的行进行切片4.2 指定单元格 五、在Python中使用布尔条件六、结论 对 Pandas DataFrames 进行切片是一种强大的技术允许根据整数位置或标签位置提取特定的数据子集。本文我们将学习行和列切片、单元格选择和布尔条件的用法。 一、切片简介
借助 Pandas我们可以在 Dataframe 中执行切片。使用 Pandas Dataframe 进行切片iloc[] 是 Python 中提取特定数据子集的一种强大技术。该iloc[] 方法允许您根据行和列的整数位置来定位和提取它们。
要使用 执行切片iloc[]请指定要包含在切片数据框中的行和列索引。语法类似于传统的数组切片对于 Python 用户来说非常直观。例如df.iloc[1:5, 2:4]从数据框中提取第 2 至第 5 行和第 3 至第 4 列。
在 Pandas 中对 DataFrame 进行切片包括以下步骤
创建 DataFrame对 DataFrame 进行切片
二、创建Pandas数据框
import pandas as pd# Initializing the nested list with Data set
player_list [[M.S.Dhoni, 36, 75, 5428000],[A.B.D Villers, 38, 74, 3428000],[V.Kohli, 31, 70, 8428000],[S.Smith, 34, 80, 4428000],[C.Gayle, 40, 100, 4528000],[J.Root, 33, 72, 7028000],[K.Peterson, 42, 85, 2528000]]# creating a pandas dataframe
df pd.DataFrame(player_list, columns[Name, Age, Weight, Salary])
df # data frame before slicing运行结果
三、使用iloc进行切片
3.1 对行进行切片
# Slicing rows in data frame
df1 df.iloc[0:4] #对第一行到第四行进行切片
# data frame after slicing
df13.2 对列进行切片
对列进行切片
# Slicing columnss in data frame
df1 df.iloc[:, 0:2]#所有行第12列
# data frame after slicing
df13.3 Dataframe选中特定单元格
选中特定单元格列入第三行第四列
specific_cell_value df.iloc[2, 3] # Row 3, Column 4 (Salary)
print(Specific Cell Value:, specific_cell_value)输出 8428000
四、使用loc创建切片
还可以通过 loc 实现切片但有一些限制
loc依赖于标签如果您的 DataFrame 有自定义标签您需要小心指定它们的方式。如果标签是整数则使用整数位置和实际标签之间可能会产生混淆。
为此我们需要使用以下代码手动将索引设置为标签
df_custom df.set_index(Name)
df_custom运行结果
4.1 使用Python对Dataframe中的行进行切片
sliced_rows_custom df_custom.loc[A.B.D Villers:S.Smith]
sliced_rows_custom4.2 指定单元格
specific_cell_value df_custom.loc[V.Kohli, Salary]
print(\nValue of the Specific Cell (V.Kohli, Salary):, specific_cell_value)五、在Python中使用布尔条件
filtered_data df[df[Age] 35].iloc[:, :] # Select rows where Age is greater than 35
print(\nFiltered Data based on Age 35:\n, filtered_data)iloc()只是分割df可做筛选。
六、结论
总而言之iloc[] 和 loc[] 均在 Pandas 中提供多种切片功能。iloc[] 基于整数而 loc[] 则依赖于标签因此在使用自定义索引或混合数据类型时需要仔细考虑。
