用pandas中的DataFrame時選取行或列：

import numpy as np
import pandas as pd
from pandas import Sereis,DataFrame

ser = Series(np.arange(3.))

data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))

data['w'] #選擇表格中的'w'列，使用類字典屬性,返回的是Series型別

data.w  #選擇表格中的'w'列，使用點屬性,返回的是Series型別

data[['w']] #選擇表格中的'w'列，返回的是DataFrame型別

data[['w','z']] #選擇表格中的'w'、'z'列

data[0:2] #返回第1行到第2行的所有行，前閉後開，包括前不包括後

data[1:2] #返回第2行，從0計，返回的是單行，通過有前後值的索引形式，
    #如果採用data[1]則報錯

data.ix[1:2] #返回第2行的第三種方法，返回的是DataFrame，跟data[1:2]同

data['a':'b'] #利用index值進行切片，返回的是**前閉後閉**的DataFrame,#即末端是包含的 

#——————新版本pandas已捨棄該方法，用iloc代替———————
data.irow(0)  #取data的第一行
data.icol(0)  #取data的第一列

ser.iget_value(0) #選取ser序列中的第一個
ser.iget_value(-1) #選取ser序列中的最後一個，這種軸索引包含索引器的series不能採用ser[-1]去獲取最後一個，這會引起歧義。
#————————————————————————————-----------------

data.head() #返回data的前幾行資料，預設為前五行，需要前十行則data.head(10)
data.tail() #返回data的後幾行資料，預設為後五行，需要後十行則data.tail(10)

data.iloc[-1]  #選取DataFrame最後一行，返回的是Series
data.iloc[-1:]  #選取DataFrame最後一行，返回的是DataFrame

data.loc['a',['w','x']]  #返回‘a'行'w'、'x'列，這種用於選取行索引列索引已知

data.iat[1,1]  #選取第二行第二列，用於已知行、列位置的選取。

下面是簡單的例子使用驗證：

import pandas as pd
from pandas import Series,DataFrame
import numpy as np

data = DataFrame(np.arange(15).reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])

data
Out[7]: 
    a  b  c  d  e
one   0  1  2  3  4
two   5  6  7  8  9
three 10 11 12 13 14

#對列的操作方法有如下幾種

data.icol(0)  #選取第一列
E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
 # -*- coding: utf-8 -*-
Out[35]: 
one    0
two    5
three  10
Name: a,dtype: int32

data['a']
Out[8]: 
one    0
two    5
three  10
Name: a,dtype: int32

data.a
Out[9]: 
one    0
two    5
three  10
Name: a,dtype: int32

data[['a']]
Out[10]: 
    a
one   0
two   5
three 10

data.ix[:,[0,1,2]] #不知道列名只知道列的位置時
Out[13]: 
    a  b  c
one   0  1  2
two   5  6  7
three 10 11 12

data.ix[1,[0]] #選擇第2行第1列的值
Out[14]: 
a  5
Name: two,dtype: int32

data.ix[[1,2],[0]]  #選擇第2,3行第1列的值
Out[15]: 
    a
two   5
three 10

data.ix[1:3,2]] #選擇第2-4行第1、3列的值
Out[17]: 
    a  c
two   5  7
three 10 12

data.ix[1:2,2:4] #選擇第2-3行，3-5（不包括5）列的值
Out[29]: 
   c d
two 7 8

data.ix[data.a>5,3]
Out[30]: 
three  13
Name: d,dtype: int32

data.ix[data.b>6,3:4] #選擇'b'列中大於6所在的行中的第4列，有點拗口
Out[31]: 
    d
three 13

data.ix[data.a>5,2:4] #選擇'a'列中大於5所在的行中的第3-5（不包括5）列
Out[32]: 
    c  d
three 12 13

data.ix[data.a>5,[2,2,2]] #選擇'a'列中大於5所在的行中的第2列並重復3次
Out[33]: 
    c  c  c
three 12 12 12

#還可以行數或列數跟行名列名混著用
data.ix[1:3,['a','e']]
Out[24]: 
    a  e
two   5  9
three 10 14

data.ix['one':'two',1]]
Out[25]: 
   c b
one 2 1
two 7 6

data.ix[['one',2]]
Out[26]: 
    c  c
one   2  2
three 12 12

data.ix['one':'three','c']]
Out[27]: 
    a  c
one   0  2
two   5  7
three 10 12

data.ix[['one','one'],'e','d']]
Out[28]: 
   a e d d d
one 0 4 3 3 3
one 0 4 3 3 3

#對行的操作有如下幾種：
data[1:2] #（不知道列索引時）選擇第2行，不能用data[1]，可以用data.ix[1]
Out[18]: 
   a b c d e
two 5 6 7 8 9

data.irow(1)  #選取第二行
Out[36]: 
a  5
b  6
c  7
d  8
e  9
Name: two,dtype: int32

data.ix[1]  #選擇第2行
Out[20]: 
a  5
b  6
c  7
d  8
e  9
Name: two,dtype: int32


data['one':'two'] #當用已知的行索引時為前閉後閉區間，這點與切片稍有不同。
Out[22]: 
   a b c d e
one 0 1 2 3 4
two 5 6 7 8 9

data.ix[1:3] #選擇第2到4行，不包括第4行，即前閉後開區間。
Out[23]: 
    a  b  c  d  e
two   5  6  7  8  9
three 10 11 12 13 14

data.ix[-1:] #取DataFrame中最後一行，返回的是DataFrame型別,**注意**這種取法是有使用條件的，只有當行索引不是數字索引時才可以使用，否則可以選用`data[-1:]`--返回DataFrame型別或`data.irow(-1)`--返回Series型別
Out[11]: 
    a  b  c  d  e
three 10 11 12 13 14

data[-1:] #跟上面一樣，取DataFrame中最後一行，返回的是DataFrame型別
Out[12]: 
    a  b  c  d  e
three 10 11 12 13 14

data.ix[-1] #取DataFrame中最後一行，返回的是Series型別，這個一樣，行索引不能是數字時才可以使用
Out[13]: 
a  10
b  11
c  12
d  13
e  14
Name: three,dtype: int32

data.tail(1)  #返回DataFrame中的最後一行
data.head(1)  #返回DataFrame中的第一行

最近處理資料時發現當pd.read_csv()資料時有時候會有讀取到未命名的列，且該列也用不到，一般是索引列被換掉後導致的，有強迫症的看著難受，這時候dataframe.drop([columns,])是沒法處理的，怎麼辦呢，

最笨的方法是直接給列索引重新命名：

data6

    Unnamed: 0 high  symbol time
date        
2016-11-01 0  3317.4 IF1611 18:10:44.8
2016-11-01 1  3317.4 IF1611 06:01:04.5
2016-11-01 2  3317.4 IF1611 07:46:25.5
2016-11-01 3  3318.4 IF1611 09:30:04.0
2016-11-01 4  3321.8 IF1611 09:31:04.0

data6.columns = list('abcd')

data6

  a  b  c  d
date        
2016-11-01 0  3317.4 IF1611 18:10:44.8
2016-11-01 1  3317.4 IF1611 06:01:04.5
2016-11-01 2  3317.4 IF1611 07:46:25.5
2016-11-01 3  3318.4 IF1611 09:30:04.0
2016-11-01 4  3321.8 IF1611 09:31:04.0

重新命名後就可以用dataframe.drop([columns])來刪除了，當然不用我這樣全部給列名替換掉了，可以只是改變未命名的那個列，然後刪除。不過這個用起來總是覺得有點low，有沒有更好的方法呢，有，可以不去刪除，直接：

data7 = data6.ix[:,1:]1

這樣既不改變原有資料，也達到了刪除神煩列，當然我這裡時第0列刪除，可以根據實際選擇所在的列刪除之，至於這個原理，可以看下前面的對列的操作。

github地址

到此這篇關於python中pandas庫中DataFrame對行和列的操作使用方法示例的文章就介紹到這了,更多相關pandas庫DataFrame行列操作內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！