从DataFrame中选择值可以使用loc
或iloc
方法。
loc
方法可以通过标签选择行和列,语法为df.loc[row_label, col_label]
。其中row_label
可以是一个标签或标签的列表,表示要选择的行,col_label
可以是一个标签或标签的列表,表示要选择的列。
示例:
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
'Age': [20, 21, 19, 18],
'City': ['New York', 'London', 'Paris', 'Tokyo']}
df = pd.DataFrame(data)
# 选择第一行的Name列的值
name = df.loc[0, 'Name']
print(name) # 输出:Tom
# 选择第一行和第三行的Age和City列的值
subset = df.loc[[0, 2], ['Age', 'City']]
print(subset)
# 输出:
# Age City
# 0 20 New York
# 2 19 Paris
iloc
方法可以通过整数位置选择行和列,语法为df.iloc[row_index, col_index]
。其中row_index
可以是一个整数或整数的列表,表示要选择的行的位置,col_index
可以是一个整数或整数的列表,表示要选择的列的位置。
示例:
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
'Age': [20, 21, 19, 18],
'City': ['New York', 'London', 'Paris', 'Tokyo']}
df = pd.DataFrame(data)
# 选择第一行的第一个列的值
name = df.iloc[0, 0]
print(name) # 输出:Tom
# 选择第一行和第三行的第二个和第三个列的值
subset = df.iloc[[0, 2], [1, 2]]
print(subset)
# 输出:
# Age City
# 0 20 New York
# 2 19 Paris
在选择行和列时,还可以使用布尔索引和切片操作。如果要选择满足特定条件的行,可以使用布尔索引,例如df[df['Age'] > 20]
表示选择Age列大于20的行。如果要选择连续的多行或多列,可以使用切片操作,例如df.iloc[1:3, 0:2]
表示选择第2行到第3行、第1列到第2列的数据。
推荐的腾讯云相关产品和产品介绍链接地址:
领取专属 10元无门槛券
手把手带您无忧上云