python pandas库中DataFrame对行和列的操作实例讲解
用pandas中的DataFrame时选取行或列：
importnumpyasnp
importpandasaspd
frompandasimportSereis,DataFrame
ser=Series(np.arange(3.))
data=DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
data['w']#选择表格中的'w'列，使用类字典属性,返回的是Series类型
data.w#选择表格中的'w'列，使用点属性,返回的是Series类型
data[['w']]#选择表格中的'w'列，返回的是DataFrame类型
data[['w','z']]#选择表格中的'w'、'z'列
data[0:2]#返回第1行到第2行的所有行，前闭后开，包括前不包括后
data[1:2]#返回第2行，从0计，返回的是单行，通过有前后值的索引形式，
#如果采用data[1]则报错
data.ix[1:2]#返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同
data['a':'b']#利用index值进行切片，返回的是**前闭后闭**的DataFrame,
#即末端是包含的
data.irow(0)#取data的第一行
data.icol(0)#取data的第一列
data.head()#返回data的前几行数据，默认为前五行，需要前十行则data.head(10)
data.tail()#返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)
ser.iget_value(0)#选取ser序列中的第一个
ser.iget_value(-1)#选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。
data.iloc[-1]#选取DataFrame最后一行，返回的是Series
data.iloc[-1:]#选取DataFrame最后一行，返回的是DataFrame
data.loc['a',['w','x']]#返回‘a'行'w'、'x'列，这种用于选取行索引列索引已知
data.iat[1,1]#选取第二行第二列，用于已知行、列位置的选取。
下面是简单的例子使用验证：
importpandasaspd frompandasimportSeries,DataFrame importnumpyasnp data=DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e']) data Out[7]: abcde one01234 two56789 three1011121314 #对列的操作方法有如下几种 data.icol(0)#选取第一列 E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1:FutureWarning:icol(i)isdeprecated.Pleaseuse.iloc[:,i] #-*-coding:utf-8-*- Out[35]: one0 two5 three10 Name:a,dtype:int32 data['a'] Out[8]: one0 two5 three10 Name:a,dtype:int32 data.a Out[9]: one0 two5 three10 Name:a,dtype:int32 data[['a']] Out[10]: a one0 two5 three10 data.ix[:,[0,1,2]]#不知道列名只知道列的位置时 Out[13]: abc one012 two567 three101112 data.ix[1,[0]]#选择第2行第1列的值 Out[14]: a5 Name:two,dtype:int32 data.ix[[1,2],[0]]#选择第2,3行第1列的值 Out[15]: a two5 three10 data.ix[1:3,[0,2]]#选择第2-4行第1、3列的值 Out[17]: ac two57 three1012 data.ix[1:2,2:4]#选择第2-3行，3-5（不包括5）列的值 Out[29]: cd two78 data.ix[data.a>5,3] Out[30]: three13 Name:d,dtype:int32 data.ix[data.b>6,3:4]#选择'b'列中大于6所在的行中的第4列，有点拗口 Out[31]: d three13 data.ix[data.a>5,2:4]#选择'a'列中大于5所在的行中的第3-5（不包括5）列 Out[32]: cd three1213 data.ix[data.a>5,[2,2,2]]#选择'a'列中大于5所在的行中的第2列并重复3次 Out[33]: ccc three121212 #还可以行数或列数跟行名列名混着用 data.ix[1:3,['a','e']] Out[24]: ae two59 three1014 data.ix['one':'two',[2,1]] Out[25]: cb one21 two76 data.ix[['one','three'],[2,2]] Out[26]: cc one22 three1212 data.ix['one':'three',['a','c']] Out[27]: ac one02 two57 three1012 data.ix[['one','one'],['a','e','d','d','d']] Out[28]: aeddd one04333 one04333 #对行的操作有如下几种： data[1:2]#（不知道列索引时）选择第2行，不能用data[1]，可以用data.ix[1] Out[18]: abcde two56789 data.irow(1)#选取第二行 Out[36]: a5 b6 c7 d8 e9 Name:two,dtype:int32 data.ix[1]#选择第2行 Out[20]: a5 b6 c7 d8 e9 Name:two,dtype:int32 data['one':'two']#当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。 Out[22]: abcde one01234 two56789 data.ix[1:3]#选择第2到4行，不包括第4行，即前闭后开区间。 Out[23]: abcde two56789 three1011121314 data.ix[-1:]#取DataFrame中最后一行，返回的是DataFrame类型,**注意**这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`data.irow(-1)`--返回Series类型 Out[11]: abcde three1011121314 data[-1:]#跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型 Out[12]: abcde three1011121314 data.ix[-1]#取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用 Out[13]: a10 b11 c12 d13 e14 Name:three,dtype:int32 data.tail(1)#返回DataFrame中的最后一行 data.head(1)#返回DataFrame中的第一行
最近处理数据时发现当pd.read_csv()数据时有时候会有读取到未命名的列，且该列也用不到，一般是索引列被换掉后导致的，有强迫症的看着难受，这时候dataframe.drop([columns,])是没法处理的，怎么办呢，
最笨的方法是直接给列索引重命名：
data6
Unnamed:0highsymboltime
date
2016-11-0103317.4IF161118:10:44.8
2016-11-0113317.4IF161106:01:04.5
2016-11-0123317.4IF161107:46:25.5
2016-11-0133318.4IF161109:30:04.0
2016-11-0143321.8IF161109:31:04.0
data6.columns=list('abcd')
data6
abcd
date
2016-11-0103317.4IF161118:10:44.8
2016-11-0113317.4IF161106:01:04.5
2016-11-0123317.4IF161107:46:25.5
2016-11-0133318.4IF161109:30:04.0
2016-11-0143321.8IF161109:31:04.0
重新命名后就可以用dataframe.drop([columns])来删除了，当然不用我这样全部给列名替换掉了，可以只是改变未命名的那个列，然后删除。不过这个用起来总是觉得有点low，有没有更好的方法呢，有，可以不去删除，直接：
data7=data6.ix[:,1:]
这样既不改变原有数据，也达到了删除神烦列，当然我这里时第0列删除，可以根据实际选择所在的列删除之，至于这个原理，可以看下前面的对列的操作。
以上这篇pythonpandas库中DataFrame对行和列的操作实例讲解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。