【项目实战】自监控-06-DataFrame行列操作（上篇）

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2

• 这个系列主要是实际在做项目的一个笔记
• 自监控项目，主要是对采集的质量监控数据做的一个实时预警
• 今天讲讲如何从DataFrame获取需要到的行或者列
• 主要涉及：loc

今日歌曲：

Part 1：构建一个DataFrame

1. 一个DataFrame可以看成一个二维表格，不过这个二维表格有行标题也有列标题，而且每类标题可能不止一级
2. 示例中由一个字典构建一个DataFrame
3. 通过index参数制定行名称

import pandas as pddict1 = {"a": [1, 3, 5, 6], "b": [11, 12, 15, 16],         
        "c": [22, 27, 29, 30], "d": [82, 87, 89, 80]}df = pd.DataFrame(dict1, index=["x", "y", "z", "q"])
print("df= \n", df)

运行结果

Part 2：行操作

1. 直接使用loc属性
2. 注意loc后紧跟一个[行，列]，中括号中放入拟需要的行索引和列索引
3. 若不对列进行筛选，则表示列信息的区域可以省略
4. 若多于1行，可以使用一个列表表示对应的行信息，也可以使用切片操作

df1 = df.loc[["x", "q"]]
print("\ndf1= \n", df1)df11 = df.loc["x":"z"]
print("\ndf11= \n", df11)

运行结果

Part 3：列操作

1. 使用loc属性
2. [:，列]其中的行使用：即可，即保持所有行信息，只筛选列信息
3. 若多于1列，可以使用一个列表表示对应的列信息，也可以使用切片操作

df2 = df.loc[:, ["a", "c"]]
print("\ndf2= \n", df2)df22 = df.loc[:, "a":"c"]
print("\ndf22= \n", df22)

运行结果

Part 4：行列混合操作

1. 就是以上两种的综合，[行，列]对应的行列信息都需要
2. 当多于1行或者1列的时候，可以使用列表或者切片操作

df3 = df.loc[["x", "q"], ["a", "d"]]
print("\ndf3= \n", df3)df33 = df.loc["x": "z", "a":"c"]
print("\ndf33= \n", df33)

运行结果