用pandas中的DataFrame时选取行或列的方法

 import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.arange(3.)) data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz')) data['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型 data.w  #选择表格中的'w'列，使用点属性,返回的是Series类型 data[['w']] #选择表格中的'w'列，返回的是DataFrame属性 data[['w','z']] #选择表格中的'w'、'z'列 data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后 data[1:2] #返回第2行，从0计，返回的是单行，通过有前后值的索引形式， #如果采用data[1]则报错 data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同 data['a':'b'] #利用index值进行切片，返回的是**前闭后闭**的DataFrame, #即末端是包含的 data.irow(0)  #取data的第一行 data.icol(0)  #取data的第一列 data.head() #返回data的前几行数据，默认为前五行，需要前十行则dta.head(10) data.tail() #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10) ser.iget_value(0) #选取ser序列中的第一个 ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这回引起歧义。 data.iloc[-1]  #选取DataFrame最后一行，返回的是Series data.iloc[-1:]  #选取DataFrame最后一行，返回的是DataFrame data.loc['a',['w','x']]  #返回‘a'行'w'、'x'列，这种用于选取行索引列索引已知 data.iat[1,1]  #选取第二行第二列，用于已知行、列位置的选取。

 import pandas as pd from pandas import Series, DataFrame import numpy as np data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e']) data Out[7]: a  b  c  d  e one   0  1  2  3  4 two   5  6  7  8  9 three 10 11 12 13 14 #对列的操作方法有如下几种 data.icol(0)  #选取第一列 E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i] # -*- coding: utf-8 -*- Out[35]: one    0 two    5 three  10 Name: a, dtype: int32 data['a'] Out[8]: one    0 two    5 three  10 Name: a, dtype: int32 data.a Out[9]: one    0 two    5 three  10 Name: a, dtype: int32 data[['a']] Out[10]: a one   0 two   5 three 10 data.ix[:,[0,1,2]] #不知道列名只知道列的位置时 Out[13]: a  b  c one   0  1  2 two   5  6  7 three 10 11 12 data.ix[1,[0]] #选择第2行第1列的值 Out[14]: a  5 Name: two, dtype: int32 data.ix[[1,2],[0]]  #选择第2,3行第1列的值 Out[15]: a two   5 three 10 data.ix[1:3,[0,2]] #选择第2-4行第1、3列的值 Out[17]: a  c two   5  7 three 10 12 data.ix[1:2,2:4] #选择第2-3行，3-5（不包括5）列的值 Out[29]: c d two 7 8 data.ix[data.a>5,3] Out[30]: three  13 Name: d, dtype: int32 data.ix[data.b>6,3:4] #选择'b'列中大于6所在的行中的第4列，有点拗口 Out[31]: d three 13 data.ix[<span style="color:transparent">来源gaodai#ma#com搞*代#码网</span>data.a>5,2:4] #选择'a'列中大于5所在的行中的第3-5（不包括5）列 Out[32]: c  d three 12 13 data.ix[data.a>5,[2,2,2]] #选择'a'列中大于5所在的行中的第2列并重复3次 Out[33]: c  c  c three 12 12 12 #还可以行数或列数跟行名列名混着用 data.ix[1:3,['a','e']] Out[24]: a  e two   5  9 three 10 14 data.ix['one':'two',[2,1]] Out[25]: c b one 2 1 two 7 6 data.ix[['one','three'],[2,2]] Out[26]: c  c one   2  2 three 12 12 data.ix['one':'three',['a','c']] Out[27]: a  c one   0  2 two   5  7 three 10 12 data.ix[['one','one'],['a','e','d','d','d']] Out[28]: a e d d d one 0 4 3 3 3 one 0 4 3 3 3 #对行的操作有如下几种： data[1:2] #（不知道列索引时）选择第2行，不能用data[1]，可以用data.ix[1] Out[18]: a b c d e two 5 6 7 8 9 data.irow(1)  #选取第二行 E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: irow(i) is deprecated. Please use .iloc[i] # -*- coding: utf-8 -*- Out[36]: a  5 b  6 c  7 d  8 e  9 Name: two, dtype: int32 data.ix[1]  #选择第2行 Out[20]: a  5 b  6 c  7 d  8 e  9 Name: two, dtype: int32 data['one':'two'] #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。 Out[22]: a b c d e one 0 1 2 3 4 two 5 6 7 8 9 data.ix[1:3] #选择第2到4行，不包括第4行，即前闭后开区间。 Out[23]: a  b  c  d  e two   5  6  7  8  9 three 10 11 12 13 14 data.ix[-1:] #取DataFrame中最后一行，返回的是DataFrame类型,**注意**这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`data.irow(-1)`--返回Series类型 Out[11]: a  b  c  d  e three 10 11 12 13 14 data[-1:] #跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型 Out[12]: a  b  c  d  e three 10 11 12 13 14 data.ix[-1] #取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用 Out[13]: a  10 b  11 c  12 d  13 e  14 Name: three, dtype: int32 data.tail(1)  #返回DataFrame中的最后一行 data.head(1)  #返回DataFrame中的第一行

 data6 Unnamed: 0 high  symbol time date 2016-11-01 0  3317.4 IF1611 18:10:44.8 2016-11-01 1  3317.4 IF1611 06:01:04.5 2016-11-01 2  3317.4 IF1611 07:46:25.5 2016-11-01 3  3318.4 IF1611 09:30:04.0 2016-11-01 4  3321.8 IF1611 09:31:04.0 data6.columns = list('abcd') data6 a  b  c  d date 2016-11-01 0  3317.4 IF1611 18:10:44.8 2016-11-01 1  3317.4 IF1611 06:01:04.5 2016-11-01 2  3317.4 IF1611 07:46:25.5 2016-11-01 3  3318.4 IF1611 09:30:04.0 2016-11-01 4  3321.8 IF1611 09:31:04.0