1,标签索引:
- 取连续多行:
df1.loc[ 0:2 ] - 取连续多列:
df1.loc[ : ,’ a ‘:’ c ’ ] - 取不连续多行
df1.loc[ [ 0,2 ] ] - 取不连续多列
df1.loc[ : , [’ a ', ’ c ’ ] ] - 取出不连续的多行多列
df1.loc[ [0,2],[’ a ', ’ c ’ ] ] - 布尔索引
df1.loc[ df1[ ’ c ’ ]>0.25 ]
2,位置索引:
loc和iloc的区别:loc是基于索引的,iloc是基于下标位置的,所以loc包含结束位置,iloc不包含结束位置
- Series的位置索引:
ser1.iloc[1:3] - DataFrame的位置索引:
df1.iloc[ : , 1 ]
df1 = pandas.DataFrame(
{
'name' :['python','Java','C','C++'],
'class':['简单','简单','中等','很难' ],
'掌握的程度':['基本','基本','还可以','还可以'],
'打分':[70,70,100,90]
},index=['a','b','c','d']
)
print(df1)
print(df1.iloc[0])
print('--------------------->')
print(df1.loc['a'])
3,删除:
- drop:
df1.drop('a')
print(df1)
df1.drop('a',inplace=False)
print(df1)
df1.drop('a',inplace=True)
print(df1)
运行结果:
inplace 是指定是否在原始数据上进行操作
df1.drop('class',axis = 1)
#axis默认值为0,指的是行,axis = 1 时指的是列