Pandas读取某列、某行数据——loc、iloc用法总结

     阅读:31

实际操作中我们经常需要寻找数据的某行或者某列,这里介绍我在使用Pandas时用到的两种方法:iloc和loc。

目录

1.loc方法

(1)读取第二行的值

 (2)读取第二列的值

(3)同时读取某行某列

(4)读取DataFrame的某个区域

(5)根据条件读取

(6)也可以进行切片操作

2.iloc方法

(1)读取第二行的值

 (2)读取第二行的值

(3)同时读取某行某列

(4)进行切片操作


loc:通过行、列的名称或标签来索引

iloc:通过行、列的索引位置来寻找数据

首先,我们先创建一个Dataframe,生成数据,用于下面的演示

import pandas as pd
import numpy as np

# 生成DataFrame
data = pd.DataFrame(np.arange(30).reshape((6,5)),
                    columns=['A','B','C','D','E'])
# 写入本地
data.to_excel("D:\\实验数据\\data.xls", sheet_name="data")
print(data)

1.loc方法

loc方法是通过行、列的名称或者标签来寻找我们需要的值。

(1)读取第二行的值

# 索引第二行的值,行标签是“1”
data1 = data.loc[1]

        结果:

备注:
#下面两种语法效果相同

data.loc[1] == data.loc[1,:]

 (2)读取第二列的值

# 读取第二列全部值
data2 = data.loc[ : ,"B"]

        结果:

(3)同时读取某行某列

# 读取第1行,第B列对应的值
data3 = data.loc[ 1, "B"]

        结果:

(4)读取DataFrame的某个区域

# 读取第1行到第3行,第B列到第D列这个区域内的值
data4 = data.loc[ 1:3, "B":"D"]

        结果:

(5)根据条件读取

# 读取第B列中大于6的值
data5 = data.loc[ data.B > 6] #等价于 data5 = data[data.B > 6]

        结果:

(6)也可以进行切片操作

# 进行切片操作,选择B,C,D,E四列区域内,B列大于6的值
data1 = data.loc[ data.B >6, ["B","C","D","E"]]

结果:

2.iloc方法

iloc方法是通过索引行、列的索引位置[index, columns]来寻找值

(1)读取第二行的值

# 读取第二行的值,与loc方法一样

data1 = data.iloc[1]

# data1 = data.iloc[1, :],效果与上面相同

        结果:

 (2)读取第二列的值

# 读取第二列的值
data1 = data.iloc[:, 1]

        结果:

(3)同时读取某行某列

# 读取第二行,第二列的值
data1 = data.iloc[1, 1]

        结果:

(4)进行切片操作

# 按index和columns进行切片操作
# 读取第2、3行,第3、4列
data1 = data.iloc[1:3, 2:4]

        结果:

注意:

这里的区间是左闭右开,data.iloc[1:3, 2:4]中的第4行、第5列取不到