AI最火语言python之pandas(DataFrame切片)

itomcoil 2025-09-18 01:23 2 浏览

在Python中，使用Pandas库处理DataFrame时，切片是一个非常基本且强大的功能，它允许你选择DataFrame中的数据子集。这里将介绍几种常见的DataFrame切片方法。

在介绍使用方法前，我们还是先构建一个基本的DataFrame数据。

1.构建DataFrame

df = pd.DataFrame([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9],
                   [10, 11, 12]], columns=['a', 'b', 'c'], index=['x', 'y', 'z', 'w'])
print('df数据:\n', df)

结果：

2.数据切片

基于位置索引的切片

采用 iloc函数。格式如下：

df.iloc[row_indexer, column_indexer]

注意索引下表从0开始。

# 获取单行数据,此处选择第3行
df1 = df.iloc[2]
print('df1数据:\n', df1)

# 如 iloc[-1] 选择最后一行
df2 = df.iloc[-1]
print('df2数据:\n', df2)

结果：

#  获取连续多行，此处选择第2行到第3行
df3 = df.iloc[1:3]
print('df3数据:\n', df3)

# 指定行列（第1、3行，第0、2列）
df4 = df.iloc[[1, 3], [0, 2]]
print('df4数据:\n', df4)

结果：

# 选择列，此处选择第1列
df5=df.iloc[:, 0]
print('df5数据:\n', df5)

# 反向切片（倒数第2列到末尾）
df6=df.iloc[:, -2:]
print('df6数据:\n', df6)

结果：

基于标签索引的切片（行或列标签名称）

采用loc函数。

基本语法：df.loc[row_indexer, column_indexer]

row_indexer, column_indexer采用的是行列的名称，而不是索引值。

df7=df.loc['x']
print('df7数据:\n', df7)

# 连续多行
df8=df.loc['x':'y']          # 注意：两端都闭合
print('df8数据:\n', df8)

结果：

#指定行列（行'x','z'，列'a','c'）
df9=df.loc[['x', 'z'], ['a', 'c']]
print('df9数据:\n', df9)

# 切片列
df10=df.loc[:, 'a':'b']
print('df10数据:\n', df10)

结果：

基于条件的切片

# 获取列a大于2的行
df11 = df[df['b'] > 2]
print('df11数据:\n', df11)


# 多条件切片（与逻辑）
# 获取列b大于2且列c大于6的行
df12 = df[(df['b'] > 2) & (df['c'] > 6)]
print('df12数据:\n', df12)

# 多条件切片（或逻辑）
# 获取列b大于2或列c大于6的行
df13 = df[(df['b'] > 2) | (df['c'] > 6)]
print('df13数据:\n', df13)

结果：

loc函数

上一篇：MySQL中的MVCC到底能不能解决幻读
下一篇：Python数据分析笔记#8.1 层次化索引

AI最火语言python之pandas(DataFrame切片)

1.构建DataFrame

相关推荐

我用 1 个 2 手计算器换了 3 台 MacBook(上)

零基础也能搞定!DeepSeek大模型本地安装全攻略

Win7中同时安装python2和python3的方法

Python三目运算符(三元运算符)用法详解

PS零基础入门教程:Photoshop 2024工具详解—标尺工具

按颜色计数、求和、算平均值或最大值?学这个函数就够啦!

SpringBoot中使用LocalDateTime踩坑记录

中药古今研究:人参

PS 零基础入门 040:图层样式选项

最全的linux安装软件方法 linux安装软件流程