pandas选择数据-【老鱼学pandas】

<div class="iteye-blog-content-contain" style="font-size: 14px"><div id="cnblogs_post_body" class="cnblogs-markdown">
 <h1 id="选择列">选择列</h1> 
 根据列名来选择某列的数据 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
# 选择A列数据
print(&quot;A列数据：&quot;)
print(data[&quot;A&quot;])</code></pre>
 </div> 
 输出结果： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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列数据：
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</code></pre>
 </div> 
 也可以用点符号来进行： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">print(data.A)</code></pre>
 </div> 
 上面的功能跟data[&quot;A&quot;]一样。 
 <h1 id="选择某几行数据">选择某几行数据</h1> 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择0至3行的数据：&quot;)
print(data[0:3])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择0至3行的数据：
            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</code></pre>
 </div> 
 也可以根据索引号范围来选择某几行的数据。 比如，如下的例子中我们就选择出2017-01-10到2017-01-12的数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;按照索引选择数据：&quot;)
print(data[&quot;2017-01-10&quot;:&quot;2017-01-12&quot;])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
按照索引选择数据：
             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</code></pre>
 </div> 
 <h1 id="使用loc进行选择">使用loc进行选择</h1> 
 使用loc选择某几行的数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;按照索引选择数据：&quot;)
print(data.loc[&quot;2017-01-10&quot;:&quot;2017-01-12&quot;])</code></pre>
 </div> 
 输出： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
按照索引选择数据：
             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</code></pre>
 </div> 
 也可以按照列进行选择数据，比如，我们想要选择其中B和C列的数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择某两列的数据：&quot;)
print(data.loc[:, [&quot;B&quot;, &quot;C&quot;]])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择某两列的数据：
             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</code></pre>
 </div> 
 如果只想选择某几行中某几列的数据，可以对上面的例子进行一下稍微的修改就能实现： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择某几行某几列的数据：&quot;)
print(data.loc[&quot;2017-01-09&quot;:&quot;2017-01-12&quot;, [&quot;B&quot;, &quot;C&quot;]])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择某几行某几列的数据：
             B   C
2017-01-09   5   6
2017-01-10   9  10
2017-01-11  13  14
2017-01-12  17  18</code></pre>
 </div> 
 <h1 id="根据位置索引选择数据">根据位置索引选择数据</h1> 
 位置索引的方法为iloc，例如，选择第3行第2列的数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择第3行第2列的数据：&quot;)
print(data.iloc[3, 1])</code></pre>
 </div> 
 输出： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择第3行第2位的数据：
2017-01-11    13
2017-01-12    17
2017-01-13    21
Freq: D, Name: B, dtype: int32</code></pre>
 </div> 
 当然，我们也可以在iloc中使用切片，比如，我想选择出从第3行之后的第2列数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择第3行之后第2列的数据：&quot;)
print(data.iloc[3:, 1])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择第3行之后第2列的数据：
2017-01-11    13
2017-01-12    17
2017-01-13    21
Freq: D, Name: B, dtype: int32</code></pre>
 </div> 
 我们也可以单独地选择某几行的数据，例如： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择第1,3,5行第1到第3列的数据：&quot;)
print(data.iloc[[1, 3, 5], 1:3])</code></pre>
 </div> 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择第3行之后第2列的数据：
             B   C
2017-01-09   5   6
2017-01-11  13  14
2017-01-13  21  22</code></pre>
 </div> 
 <h1 id="标签和位置混合筛选">标签和位置混合筛选</h1> 
 比如行用数字来筛选，而列用标签来进行筛选，例如： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;选择第1,3,5行第1到第3列的数据：&quot;)
print(data.ix[[1, 3, 5], [&quot;A&quot;, &quot;C&quot;]])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择第1,3,5行第1到第3列的数据：
             A   C
2017-01-09   4   6
2017-01-11  12  14
2017-01-13  20  22</code></pre>
 </div> 
 <h1 id="根据某列中的数值进行筛选">根据某列中的数值进行筛选</h1> 
 类似于SQL中where column &lt; xxx这种类型的选择。 例如，选择出A列小于8的数据： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;根据某列中的数值进行筛选：&quot;)
print(data[data.A &lt; 8])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
选择根据某列中的数值进行筛选：
            A  B  C  D
2017-01-08  0  1  2  3
2017-01-09  4  5  6  7</code></pre>
 </div> 
 如果想要进行联合索引，比如where A&lt;8 and B &lt; 5，则： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">import pandas as pd
import numpy as np
dates = pd.date_range(&quot;2017-01-08&quot;, periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=[&quot;A&quot;, &quot;B&quot;, &quot;C&quot;, &quot;D&quot;])
print(&quot;data:&quot;)
print(data)
 
print(&quot;根据某列中的数值进行筛选：&quot;)
data = data[data.A &lt; 8]
print(data[data.B &lt; 5])</code></pre>
 </div> 
 输出为： 
 <div class="sourceCode">
  <pre class="sourceCode PYTHON"><code class="sourceCode PYTHON">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
根据某列中的数值进行筛选：
            A  B  C  D
2017-01-08  0  1  2  3</code></pre>
 </div> 
</div></div>

pandas选择数据-【老鱼学pandas】

猜你喜欢