pandas中的loc和iloc_pandas loc函数
目录
pandas中索引的使用
定义一个pandas的DataFrame对像
import pandas as pd
data = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=["a","b","c"])
data
A B C
a 1 4 7
b 2 5 8
c 3 6 9
.loc 的使用
.loc[],中括号里面是先行后列,以逗号分割,行和列分别是行标签和列标签,比如我要得到数字5,那么就就是:
data.loc["b","B"]
因为行标签为b,列标签为B,同理,那么4就是data[“a”,”B”] 上面只是选择某一个值,那么如果我要选择一个区域呢,比如我要选择5,8,6,9,那么可以这样做:
data.loc['b':'c','B':'C']
因为选择的区域,左上角的值是5,右下角的值是9,那么这个矩形区域的值就是这两个坐标之间,也就是对应5的行标签到9的行标签,5的列标签到9的列标签,行列标签之间用逗号隔开,行标签与行标签之间,列标签与列标签之间用冒号隔开,记住,.loc是用行列标签来进行选择数据的。那么,我们会想,那我们只知道要第几行,第几列的数据呢,这该怎么办,刚好,.iloc就是干这个事的
.iloc的使用
.iloc[]与loc一样,中括号里面也是先行后列,行列标签用逗号分割,与loc不同的之处是,.iloc 是根据行数与列数来索引的,比如上面提到的得到数字5,那么用iloc来表示就是data.iloc[1,1],因为5是第2行第2列,注意索引从0开始的,同理4就是data.iloc[0,1],同样如果我们需要选择一个区域,比如我要选择5,8,6,9,那么用,iloc来选择就是
data.iloc[1:3,1:3]
因为5在第二行第二列,9在第三行第三列,注意此处区间前闭后开,所以是1:3,与loc不同的是loc前闭后闭,以及loc是根据行列标签,而.iloc是根据行数与列数
.ix的使用
.ix我发现,上面两种用法他都可以,它既可以根据行列标签又可以根据行列数,比如拿到5
data.ix[1,1]
data.ix["b","B"]
上面两种做法都可以的,同理选择一个区域
data.ix[1:3,1:3]
data.ix['b':'c','B':'C']
以上两种方法都是取到5,6,7,8
参考文献:
https://blog.csdn.net/qq1483661204/article/details/77587881
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
相关文章
- pandas的dropna方法_python中dropna函数
- Pandas笔记_python总结笔记
- Python数据分析之Pandas(三)
- Python数据分析之Pandas(五)
- Pandas merge函数「建议收藏」
- 10个快速入门Query函数使用的Pandas的查询示例
- 【说站】python中pandas有哪些功能特色
- 12 种高效 Numpy 和 Pandas 函数为你加速分析
- pandas的columns函数_python value_counts
- pandas处理缺失值的函数_pandas填充缺失值
- PANDAs_pandas去除缺失值
- Pandas入门学习
- Pandas数据处理与分析高级案例详解
- 5个例子学会Pandas中的字符串过滤
- pandas基础:使用Python pandas Groupby函数汇总数据,获得对数据更好地理解
- NumPy、Pandas中若干高效函数!
- Pandas中Apply函数加速百倍的技巧
- 软件测试|数据分析神器pandas教程(一)
- 图解pandas的窗口函数rolling
- pandas(二)函数应用和映射详解大数据
- 利用Pandas与MSSQL进行数据分析(pandas mssql)
- MySQL中LOC函数的使用方法(mysql中loc怎么用)