插件窝干货文章 pandas获取对应的行或者列方式

pandas获取对应的行或者列方式

class gt sidewinder shield 674 来源： 2024-10-17

loc

通过标签或布尔数组访问一组行和列。

.loc[] 主要基于标签，但也可以与布尔数组一起使用。

允许的输入为：

单个标签，例如’a’，
标签列表或数组，例如。[‘a’, ‘b’, ‘c’]
带有标签的切片对象，例如’a’:‘f’。
与切片轴长度相同的布尔数组，例如。[True, False, True]
可对齐的布尔系列。遮罩之前，键的索引将对齐。
可对齐索引。返回的选择的索引将作为输入。

获取单行

为了获取当行，只需要利用行号就能够获取，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc["viper"])
max_speed    4
shield       5
Name: viper, dtype: int64

获取特定的几行

可以将多个行号组成一个list，然后作为参数输入进去

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[["cobra",'sidewinder']])
            max_speed  shield
cobra               1       2
sidewinder          7       8

利用切片获取多个连续的行

在利用切片时，也需要使用label进行切片，否则pandas不会识别

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper': 'sidewinder'])
            max_speed  shield
viper               4       5
sidewinder          7       8

获取特定行和列

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc[ 'viper','shield'])
5

也可以通过切片和列组合，获取特定的数值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> print(df.loc['viper': 'sidewinder',:])
            max_speed  shield
viper               4       5
sidewinder          7       8

通过bool值进行选择

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[[False, False, True]]
            max_speed  shield
sidewinder          7       8

通过条件进行选择获取

通过条件获取，时间也是通过bool获取的一种特例，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[df['shield'] > 6]
            max_speed  shield
sidewinder          7       8

通过下面的结果，我们可以看出，通过条件获取后是一个对象，该对象的值就是一个bool列表，通过条件获取就是通过这个bool列表进行获取

>>> s = df['shield'] > 6
>>> type(s)
<class 'pandas.core.series.Series'>
>>> s.values
array([False, False,  True])

通过回调函数获取

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[lambda df: df['shield'] == 8]
            max_speed  shield
sidewinder          7       8

对数值进行修改

这里主要讲的是对数值的修改是永久性的，

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
...      index=['cobra', 'viper', 'sidewinder'],
...      columns=['max_speed', 'shield'])
>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> df
            max_speed  shield
cobra               1       2
viper               4      50
sidewinder          7      50

总结

以上为个人经验，希望对您有所帮助。

上一篇：pandas如何获取某个数据的行号

下一篇：使用tensorflow保存和恢复模型saver.restore