pandas获取对应的行或者列方式

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，希望能给大家一个参考，也希望大家多多支持。