pandas切片學習

(1)建立dataframe

-df = pd.dataframe()—

(2)列印dataframe一些屬性

df.dtypes

age int64
grade float64
*** object
dtype: object
----------------------
df.value #array型
[[10 100.0 'female']
[20 90.0 'male']
[30 66.0 'female']
[40 98.0 'male']]
----------------------
df.index
rangeindex(start=0, stop=4, step=1)
----------------------
df.columns
index(['age', 'grade', '***'], dtype='object')
----------------------
df age grade ***
0 10 100.0 female
1 20 90.0 male
2 30 66.0 female
3 40 98.0 male

print(df.loc[1:3,['***','grade']])#只允許列名操作

print(df.loc[1:3,'age':'***'])

***  grade

1 male 90.0
2 female 66.0
3 male 98.0
age grade ***
1 20 90.0 male
2 30 66.0 female
3 40 98.0 male

print(df.iloc[1:3,1:2])#iloc與loc不同，依靠列序定位而非列名，iloc區間是前閉後開

# 結果
grade
1 90.0
2 66.0

print(df.at[1,'grade'])#定位到某個值

print(df.iat[1,1])
print(df.ix[[0,1]])#行選擇
#結果90.0
90.0
age grade ***
0 10 100.0 female
1 20 90.0 male

print(df[0:2])#行選擇，前閉後開

#結果 age grade ***
0 10 100.0 female
1 20 90.0 male

print(df[['age','***']])#列選擇

#結果 age ***
0 10 female
1 20 male
2 30 female
3 40 male

學習筆記 Pandas索引 切片

dataframe物件操作 上回說到series可以看做是帶索引的一維陣列，也可以看做是字典，下面來分別說不同看法下的series物件可以有哪些操作。建立乙個series物件 data pd.series np.linspace 0.25,1 4 index a b c d print data p...

pandas 索引切片

ser1 pd.series range 10,15 index list abcde print ser1 普通索引 print ser1 a print ser1 0 print 注意通過自定義索引的左閉右閉的，用預設索引 下標 是左閉右開的 print ser1 a c print ser1 ...

和index有關的pandas切片問題

我們使用pandas常常會涉及到切片操作，特別是一維的series，我常常覺得它和python list無甚區別，所以經常就用list的切片方法去切片series。然而結果呢？有時候會成功，有時候就會報惱人的keyerror。次數多了之後，我發現這樣乙個問題 當series或者dataframe的i...