本文共 3110 字，大约阅读时间需要 10 分钟。

索引切片选择      2018/12/3  2018/12/14  

1.Series选择：

2.数据帧DataFrame选择：-汇总表

 2.2.实例：

df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]],index=[4, 5, 6], columns=['A', 'B', 'C'])# 实例1：df.loc[5].at['B'] # 获取标量值： 4df.loc[5].iat[1]  # 获取标量值：4df.iloc[1,1]      # 4df.iat[1,1]=4     # 4# 实例2：df.loc[dates[0]] # 按标签选择：获取第一行df.iloc[2]       # 通过传递的整数的位置df.loc[:,['A','B']]          # 按标签选择：获取第A,B列df.loc['20181015',['A','B']] # 按标签选择-减少返回对象的尺寸df.iloc[3:5,0:2]       # 通过整数切片df.iloc[[1,2,4],[0,2]] # 通过整数位置位置列表# 实例3：使用isin()过滤方法df2 = df.copy()df2['D'] = ['one','two','three']df2[df2['D'].isin(['two','three'])]'''   A  B  C  D5  0  4  1  two6 10 20 30  three'''# 实例4：布尔索引-使用单个列的值来选择数据。df[df.B >=4 ]#   A   B  C# 5 0   4  1# 6 10 20 30df.loc[[False, False, True]]#选取第3行df.loc[df['B'] >4, ['C']]   #一个值返回为数据帧# 实例5：select_dtypes() 选择显示特定数据类型# 要选择所有数字和布尔列，同时排除无符号整数：df.select_dtypes(include=['number', 'bool'], exclude=['unsignedinteger'])# 实例6：按可调用选择# .loc，.iloc以及[]索引也可以接受一个callable索引器。df.loc[lambda df: df.A > 0, :]    #获取第三行数据df.loc[:, lambda df: ['A', 'B']]  #获取A,B列数据df.iloc[:, lambda df: [0, 1]] #获取A,B列数据df[lambda df: df.columns[0]]  #获取A列数据df.A.loc[lambda s: s > 0] #获取序列=10# 实例7：IX 已弃用df.loc[df.index[[0, 2]], 'A']           # 获取第1,2行第A列数据df.iloc[[0, 2],df.columns.get_loc('A')] # 获取第1,2行第A列数据df.iloc[[0, 2],df.columns.get_indexer(['A','B'])] # 获取第1,2行第A,B列数据# 实例8：设置数据df[['B', 'A']] = df[['A', 'B']]       #就地修改df.loc[:,['B', 'A']] = df[['A', 'B']] #不会修改# 交换列值的正确方法是使用原始值：df.loc[:,['B', 'A']] = df[['A', 'B']].values

转载地址：https://chunyou.blog.csdn.net/article/details/84730151 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！