pandas怎么讀取dataframe特定行列

這篇文章主要介紹pandas怎么讀取dataframe特定行列，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

1.按列取、按索引/行取、按特定行列取

import numpy as np
from pandas import DataFrame
import pandas as pd
 
 
df=DataFrame(np.arange(12).reshape((3,4)),index=['one','two','thr'],columns=list('abcd'))
 
df['a']#取a列
df[['a','b']]#取a、b列
 
#ix可以用數字索引，也可以用index和column索引
df.ix[0]#取第0行
df.ix[0:1]#取第0行
df.ix['one':'two']#取one、two行
df.ix[0:2,0]#取第0、1行，第0列
df.ix[0:1,'a']#取第0行，a列
df.ix[0:2,'a':'c']#取第0、1行，abc列
df.ix['one':'two','a':'c']#取one、two行，abc列
df.ix[0:2,0:1]#取第0、1行，第0列
df.ix[0:2,0:2]#取第0、1行，第0、1列
 
#loc只能通過index和columns來取，不能用數字
df.loc['one','a']#one行，a列
df.loc['one':'two','a']#one到two行，a列
df.loc['one':'two','a':'c']#one到two行，a到c列
df.loc['one':'two',['a','c']]#one到two行，ac列
 
#iloc只能用數字索引，不能用索引名
df.iloc[0:2]#前2行
df.iloc[0]#第0行
df.iloc[0:2,0:2]#0、1行，0、1列
df.iloc[[0,2],[1,2,3]]#第0、2行，1、2、3列
 
#iat取某個單值,只能數字索引
df.iat[1,1]#第1行，1列
#at取某個單值,只能index和columns索引
df.at['one','a']#one行，a列

2.按條件取行

選取等于某些值的行記錄 用 ==
df.loc[df[‘column_name'] == some_value]
 
選取某列是否是某一類型的數值 用 isin
df.loc[df[‘column_name'].isin(some_values)]
 
多種條件的選取 用 &
df.loc[(df[‘column'] == some_value) & df[‘other_column'].isin(some_values)]
 
選取不等于某些值的行記錄 用 ！=
df.loc[df[‘column_name'] != some_value]
 
isin返回一系列的數值,如果要選擇不符合這個條件的數值使用~
df.loc[~df[‘column_name'].isin(some_values)]

3.取完之后替換

df = pd.DataFrame({"id": [25,53,15,47,52,54,45,9], "sex": list('mfmfmfmf'), 'score': [1.2, 2.3, 3.4, 4.5,6.4,5.7,5.6,4.3],"name":['daisy','tony','peter','tommy','ana','david','ken','jim']})

將男性(m)替換為1，女性(f)替換為0

方法1：

df.ix[df['sex']=='f','sex']=0
df.ix[df['sex']=='m','sex']=1

注：在上面的代碼中，逗號后面的‘sex'起到固定列名的作用

方法2：

df.sex[df['sex']=='m']=1
df.sex[df['sex']=='f']=0　　

4.刪除特定行

# 要刪除列“score”<50的所有行：
df = df.drop(df[df.score < 50].index)
 
df.drop(df[df.score < 50].index, inplace=True)
 
# 多條件情況
# 可以使用操作符： | 只需其中一個成立, & 同時成立, ~ 表示取反，它們要用括號括起來。
# 例如刪除列“score<50 和>20的所有行
df = df.drop(df[(df.score < 50) & (df.score > 20)].index)

以上是“pandas怎么讀取dataframe特定行列”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！