【项目实战】自监控-07-DataFrame行列操作（中篇）

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
• 今天继续讲讲如何从DataFrame获取需要的行或者列
• 主要涉及：iloc

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iloc属性获取，loc可以理解成location，iloc可以理解成integer location
2. iloc依然紧跟一个[行，列]，中括号中放入拟需要的行索引和列索引，但是行列索引只能使用整数，所以表示的是一种位置，起始位为0
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
5. 切片操作[1:3]，表示的是[1, 2]，不包括结束位

df1 = df.iloc[[1, 3]]print("\ndf1= \n", df1)df11 = df.iloc[1:3]print("\ndf11= \n", df11)

运行结果

Part 3：列操作

1. 使用iloc属性获取
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.iloc[:, [1, 3]]print("\ndf2= \n", df2)df22 = df.iloc[:, 1:3]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，可以使用列表及切片操作

df3 = df.iloc[[1, 3], [1, 3]]print("\ndf3= \n", df3)df33 = df.iloc[1:3, 1:3]print("\ndf33= \n", df33)

运行结果

---

以上为本次的学习内容，下回见

本文为原创作品，如若转载请标明出处，如发现有错误，欢迎留言指出

---

更多原创请关注微信公众号

扫描二维码，关注公众号
Python 优雅 帅气