pandas取dataframe特定行/列

import pandas as pd
data = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
提取列
单列
data['a']

多列
data[['a', 'b']]
 

 使用 .loc或者 .iloc 提取
第一个参数是行，第二个参数为列

.loc为按标签提取， .iloc为按位置索引提取

data.loc[:, 'a'] # 等价于data.iloc[:, 0]
data.loc[:, ['a', 'b']] # 等价于data.iloc[:, [0, 1]]

提取行 
提取行的时候，一般只能使用 .loc 和 .iloc 来提取，个人是比较喜欢使用 .loc 

提取某些行
# 提取一行
data.loc[1] # 标签索引
Out[35]:
a 2
b 5
c 8
Name: 1, dtype: int64

data.iloc[1] # 位置索引
Out[36]:
a 2
b 5
c 8

# 提取多行
data.loc[:1]
Out[37]:
a b c
0 1 4 7
1 2 5 8

data.loc[[0,1]]
Out[38]:
a b c
0 1 4 7
1 2 5 8
行列一起使用

data.loc[0:1, 'b']
Out[40]:
0 4
1 5
按匹配条件提取多行
这种方法是按照某些列符合某种条件，然后提取多行

单条件

多条件

# 这两种方法得到的结果是一致的，推荐使用第二种

# 与 条件 不能使用 and
data[(data['a']<=2) & (data['b']>=5)]
data.loc[(data['a']<=2) & (data['b']>=5)]

# 或 条件 不能使用 or
data[(data['a']<=2) | (data['b']>=5)]
data.loc[(data['a']<=2) | (data['b']>=5)]
 

1.按列取、按索引/行取、按特定行列取

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

import numpy as np from pandas import DataFrame import pandas as pd     df=DataFrame(np.arange(12).reshape((3,4)),index=['one','two','thr'],columns=list('abcd'))   df['a']#取a列 df[['a','b']]#取a、b列   #ix可以用数字索引，也可以用index和column索引 df.ix[0]#取第0行 df.ix[0:1]#取第0行 df.ix['one':'two']#取one、two行 df.ix[0:2,0]#取第0、1行，第0列 df.ix[0:1,'a']#取第0行，a列 df.ix[0:2,'a':'c']#取第0、1行，abc列 df.ix['one':'two','a':'c']#取one、two行，abc列 df.ix[0:2,0:1]#取第0、1行，第0列 df.ix[0:2,0:2]#取第0、1行，第0、1列   #loc只能通过index和columns来取，不能用数字 df.loc['one','a']#one行，a列 df.loc['one':'two','a']#one到two行，a列 df.loc['one':'two','a':'c']#one到two行，a到c列 df.loc['one':'two',['a','c']]#one到two行，ac列   #iloc只能用数字索引，不能用索引名 df.iloc[0:2]#前2行 df.iloc[0]#第0行 df.iloc[0:2,0:2]#0、1行，0、1列 df.iloc[[0,2],[1,2,3]]#第0、2行，1、2、3列   #iat取某个单值,只能数字索引 df.iat[1,1]#第1行，1列 #at取某个单值,只能index和columns索引 df.at['one','a']#one行，a列

2.按条件取行

1 2 3 4 5 6 7 8 9 10 11 12 13 14

选取等于某些值的行记录 用 == df.loc[df[‘column_name’] == some_value]   选取某列是否是某一类型的数值 用 isin df.loc[df[‘column_name’].isin(some_values)]   多种条件的选取 用 & df.loc[(df[‘column’] == some_value) & df[‘other_column’].isin(some_values)]   选取不等于某些值的行记录 用 ！= df.loc[df[‘column_name’] != some_value]   isin返回一系列的数值,如果要选择不符合这个条件的数值使用~ df.loc[~df[‘column_name’].isin(some_values)]

3.取完之后替换

1	df = pd.DataFrame({"id": [25,53,15,47,52,54,45,9], "sex": list('mfmfmfmf'), 'score': [1.2, 2.3, 3.4, 4.5,6.4,5.7,5.6,4.3],"name":['daisy','tony','peter','tommy','ana','david','ken','jim']})

将男性(m)替换为1，女性(f)替换为0

方法1：

1 2	df.ix[df['sex']=='f','sex']=0 df.ix[df['sex']=='m','sex']=1

注：在上面的代码中，逗号后面的‘sex’起到固定列名的作用

方法2：

1 2	df.sex[df['sex']=='m']=1 df.sex[df['sex']=='f']=0

4.删除特定行

1 2 3 4 5 6 7 8 9

# 要删除列“score”<50的所有行： df = df.drop(df[df.score < 50].index)   df.drop(df[df.score < 50].index, inplace=True)   # 多条件情况 # 可以使用操作符： | 只需其中一个成立, & 同时成立, ~ 表示取反，它们要用括号括起来。 # 例如删除列“score<50 和>20的所有行 df = df.drop(df[(df.score < 50) & (df.score > 20)].index)

选取等于某些值的行记录 用 ==
df.loc[df[‘column_name’] == some_value]

选取某列是否是某一类型的数值 用 isin
df.loc[df[‘column_name’].isin(some_values)]

多种条件的选取 用 &
df.loc[(df[‘column’] == some_value) & df[‘other_column’].isin(some_values)]

选取不等于某些值的行记录 用 ！=
df.loc[df[‘column_name’] != some_value]

isin返回一系列的数值,如果要选择不符合这个条件的数值使用~
df.loc[~df[‘column_name’].isin(some_values)]
1