pandas怎么读取dataframe特定行列

这篇文章主要介绍pandas怎么读取dataframe特定行列，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

1.按列取、按索引/行取、按特定行列取

import numpy as npfrom pandas import DataFrameimport 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可以用数字索引，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只能通过index和columns来取，不能用数字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只能用数字索引，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取某个单值,只能数字索引df.iat[1,1]#第1行，1列#at取某个单值,只能index和columns索引df.at['one','a']#one行，a列

2.按条件取行

选取等于某些值的行记录 用 ==df.loc[df['column_name'] == some_value] 选取某列是否是某一类型的数值 用 isindf.loc[df['column_name'].isin(some_values)] 多种条件的选取 用 &df.loc[(df['column'] == some_value) & df['other_column'].isin(some_values)] 选取不等于某些值的行记录 用 ！=df.loc[df['column_name'] != some_value] isin返回一系列的数值,如果要选择不符合这个条件的数值使用~df.loc[~df['column_name'].isin(some_values)]

3.取完之后替换

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']})

将男性(m)替换为1，女性(f)替换为0

方法1：

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

注：在上面的代码中，逗号后面的'sex'起到固定列名的作用

方法2：

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

4.删除特定行

# 要删除列"score"<50的所有行：df = df.drop(df[df.score < 50].index) df.drop(df[df.score < 50].index, inplace=True) # 多条件情况# 可以使用操作符： | 只需其中一个成立, & 同时成立, ~ 表示取反，它们要用括号括起来。# 例如删除列"score<50 和>20的所有行df = df.drop(df[(df.score < 50) & (df.score > 20)].index)

以上是"pandas怎么读取dataframe特定行列"这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注行业资讯频道！