顯示索引和隱式索引
import pandas as pd
df = pd.DataFrame({'姓名':['張三','李四','王五'],'成績':[85,59,76]})
傳入冒號‘:'，表示所有行或者列
顯示索引：.loc,第一個參數(shù)為 index切片，第二個為 columns列名
df.loc[2] #index為2的記錄,這里是王五的成績。
df.loc[:,'姓名'] #第一個參數(shù)為冒號，表示所有行，這里是篩選姓名這列記錄。
隱式索引：.iloc（integer_location）， 只能傳入整數(shù)。
df.iloc[:2,:] #張三和李四的成績,跟列表切片一樣，冒號左閉右開。
df.iloc[:,'成績'] #輸入中文，這里就報錯了，只能使用整數(shù)。
也可以使用at定位到某個元素
語法規(guī)則：df.at[index,columns]
df.at[1,'成績'] #使用索引標簽，李四的成績
df.iat[1,1] #類似于iloc使用隱式索引訪問某個元素
補充：pandas快速定位某一列中存在某值的所有行,loc, at, ==對比
如下所示：
from datetime import datetime
from time import time
直接方括號定位相等的列
start = time()
for disk in goodDiskName2016[:100]:
____ST4000DM000_2016_good_feature27[ST4000DM000_2016_good_feature27.serial_number==disk][features27[0]]
time()-start
消耗時間
直接loc定位相等的
start = time()
for disk in goodDiskName2016[:100]: ____ST4000DM000_2016_good_feature27.loc[ST4000DM000_2016_good_feature27.serial_number==disk][features27[0]]
time()-start
消耗時間：
先將這一列設(shè)置為index，然后通過loc查找
b = ST4000DM000_2016_good_feature27.set_index('serial_number')
start = time()
for disk in goodDiskName2016[:100]:
b.loc[disk][features27[0]]
time()-start
消耗時間：
設(shè)置為index后用at定位
start = time()
for disk in goodDiskName2016[:100]:
b.at[disk,features27[0]]
time()-start
消耗時間：
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- Python基礎(chǔ)之pandas數(shù)據(jù)合并
- python-pandas創(chuàng)建Series數(shù)據(jù)類型的操作
- Python數(shù)據(jù)分析之pandas函數(shù)詳解
- python基于Pandas讀寫MySQL數(shù)據(jù)庫
- pandas讀取excel時獲取讀取進度的實現(xiàn)
- 淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較
- 解決使用pandas聚類時的小坑
- pandas 使用merge實現(xiàn)百倍加速的操作
- 詳細介紹在pandas中創(chuàng)建category類型數(shù)據(jù)的幾種方法
- python中pandas.read_csv()函數(shù)的深入講解
- pandas 顛倒列順序的兩種解決方案
- pandas調(diào)整列的順序以及添加列的實現(xiàn)
- pandas快速處理Excel,替換Nan,轉(zhuǎn)字典的操作
- Python基礎(chǔ)之教你怎么在M1系統(tǒng)上使用pandas
