pandas 定位 loc,iloc,ix

In [114]: df
Out[114]:
                   A         B         C         D
2018-06-30  0.318501  0.613145  0.485612  0.918663
2018-07-31  0.614796  0.711491  0.503203  0.170298
2018-08-31  0.530939  0.173830  0.264867  0.181273
2018-09-30  0.009428  0.622133  0.933908  0.813617
2018-10-31  0.126368  0.981736  0.358643  0.904409
2018-11-30  0.747830  0.294678  0.427755  0.803732
2018-12-31  0.549106  0.225865  0.530107  0.590769
2019-01-31  0.371511  0.191638  0.267706  0.279762

In [115]: df.ix[[2,5],[‘B‘,‘C‘]]
Out[115]:
                   B         C
2018-08-31  0.173830  0.264867
2018-11-30  0.294678  0.427755

loc:通过行标签索引数据

In [116]: df.loc[‘2018-06-30‘]
Out[116]:
A    0.318501
B    0.613145
C    0.485612
D    0.918663
Name: 2018-06-30 00:00:00, dtype: float64

iloc:通过行号索引行数据

In [118]: df.iloc[0]
Out[118]:
A    0.318501
B    0.613145
C    0.485612
D    0.918663
Name: 2018-06-30 00:00:00, dtype: float64

  

ix:通过行标签或行号索引数据(基于loc和iloc的混合)

原文地址:https://www.cnblogs.com/jycjy/p/9134741.html

时间: 2024-08-29 00:23:58

pandas 定位 loc,iloc,ix的相关文章

Python Pandas DataFrame:查询数据or选择数据(selection)之loc,iloc,at,iat,ix的用法和区别

在操作DataFrame时,肯定会经常用到loc,iloc,at等函数,各个函数看起来差不多,但是还是有很多区别的,我们一起来看下吧. 首先,还是列出一个我们用的DataFrame,注意index一列,如下: 接下来,介绍下各个函数的用法: 1.loc函数 愿意看官方文档的,请戳这里,这里一般最权威. loc函数是基于"标签"选择数据的,但是也可以接受一个boolean的array,对于每个用法,我们一一举例: 1.1 单个label 接受一个"标签"(label)

pandas中Loc vs. iloc vs. ix vs. at vs. iat?

loc: only work on indexiloc: work on positionix: You can get data from dataframe without it being in the indexat: get scalar values. It's a very fast lociat: Get scalar values. It's a very fast iloc

Pandas -ix loc iloc

原文地址:https://www.cnblogs.com/xiaxiaoai/p/8143636.html

python pandas Data.Frame -- iloc和loc以及icol

渐渐从R转向python数据处理 Doc 文档路径 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.to_csv.html iloc和loc以及icol http://blog.csdn.net/chenkfkevin/article/details/62049060

pandas的loc与iloc

1. loc是用标签(也就是行名和列名)来查找,标签默认是数字,但也可以通过index参数指定为字符型等其他的类型. 格式是df.loc[行名,列名],如果列标签没有给出,则默认为查找指定行标签的所有列. 例如: 1.1 创建一个DataFrame,不指定各行的名称(或者说标签),pandas会默认通过数字编号,将各行命名为0,1,2,... 1.2 df.loc[行名],不指定列名,则查找输出该行名的所有列: 1.3 df.loc[行名,列名],则查找行名为0,列名为'id'的值: 1.4 d

Pandas常用功能总结

1.读取.csv文件 df2 = pd.read_csv('beijingsale.csv', encoding='gb2312',index_col='id',sep='\t',header=None) 参数解析见:https://www.cnblogs.com/datablog/p/6127000.html index_col用于指定用作行索引的列编号或者列名,sep用于指定文件的分隔符(默认是以,作为分隔符),header=None 不用文件的的第一行作为列索引 文件读取之后生成的是一个D

pandas的DataFrame的行列选择

Pandas可根据列名称选取,还可以根据列所在的position(数字,在第几行第几列,注意pandas行列的position是从0开始)选取.相关函数如下: 1)loc,基于列label,可选取特定行(根据行index): 2)iloc,基于行/列的position: 3)at,根据指定行index及列label,快速定位DataFrame的元素: 4)iat,与at类似,不同的是根据position来定位的: 5)ix,为loc与iloc的混合体,既支持label也支持position: T

Python pandas 0.19.1 Indexing and Selecting Data文档翻译

最近在写个性化推荐的论文,经常用到Python来处理数据,被pandas和numpy中的数据选取和索引问题绕的比较迷糊,索性把这篇官方文档翻译出来,方便自查和学习,翻译过程中难免很多不到位的地方,但大致能看懂,错误之处欢迎指正~ Python pandas 0.19.1 Indexing and Selecting Data 原文链接 http://pandas.pydata.org/pandas-docs/stable/indexing.html 数据索引和选取 pandas对象中的轴标签信息

pandas 新手指引

# 10 Minutes to pandas pandas入门教程,面向新手,如需高级教程,移步[pandas cookbook](http://pandas.pydata.org/pandas-docs/stable/cookbook.html#cookbook) 按照约定,一般按照如下形式对pandas进行导入 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 使用ipython notebook