python pandas如何使用loc和iloc读取行数据或列数据
作者：不忘初欣丶
这篇文章主要给大家介绍了关于python pandas如何使用loc和iloc读取行数据或列数据的相关资料,在学习机器学习的过程中对数据进行预处理时避免不了需要使用Pandas进行大量操,需要的朋友可以参考下
创建一个DataFrame
data = {'name':['张三', '李四', '王五', '赵六'],'age':[20, 21, 22, 23], 'gender': [0, 1, 1, 1], 'stature': [165, 189, 178, 160], 'year': [2000, 2002, 2003, 1993]}
df = pd.DataFrame(data)
print (df)运行结果如下：
name age gender stature year
0 张三 20 0 165 2000
1 李四 21 1 189 2002
2 王五 22 1 178 2003
3 赵六 23 1 160 1993
一、 使用loc方法读取数据
loc：按照标签值（列明和行索引取值）来访问，支持单值访问或切片查询，还可以指定返回列变量
1.1 读取某行某列的值
# 1. 读取第二行，第二行的名称是"1" df1= df.loc[1] ''' name 李四 age 21 gender 1 stature 189 year 2002 Name: 1, dtype: object ''' # 2. 读取第二列，第二列的列名是 age df2 = df.loc[ : ,"age"] ''' 0 20 1 21 2 22 3 23 Name: age, dtype: int64 ''' # 3. 同时读取某个值，读取行号为2，列名为name的值 df3 = df.loc[2, 'name'] # '王五'
1.2 读取某个区域
# 读取第1行到第2行，age列到 stature列这个区域内的值 df4 = df.loc[ 1:2, "age":"stature"] df4
1.3 按照条件筛选
单条件筛选
# 单个条件筛选：读取年龄大于20的人 df5 = df.loc[ df.age > 20]
多条件筛选
# 多个条件筛选：读取年龄大于20的人并且stature大于180的人 df5 = df.loc[(df.age > 20) & (df.stature> 180)] df5
条件+切片
# 读取年龄大于20的人,且只显示name和stature df5 = df.loc[ df.age > 20, ['name', 'stature']] df5
二. 使用iloc方法读取数据
iloc：通过行索引和列索引位置（数字索引）来访问，支持单值访问或切片查询
2.1 读取某行某列的值
# 1. 读取第二行的值，第一行从0开始 df1= df.iloc[1] ''' name 李四 age 21 gender 1 stature 189 year 2002 Name: 1, dtype: object ''' # 2. 读取第二列，第一列从0开始 df2 = df.iloc[ : , 1] ''' 0 20 1 21 2 22 3 23 Name: age, dtype: int64 ''' # 3. 同时读取某个值，读取第3行，第1列的值。第一列从0开始 df3 = df.iloc[2, 0] # '王五'
2.2 读取某个区域的数据
# 读取第2、3行，第3、4列 df1 = df.iloc[1:3, 2:4] df1
总结
到此这篇关于python pandas如何使用loc和iloc读取行数据或列数据的文章就介绍到这了,更多相关pandas loc和iloc读取行列数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！