python–pandas切片

时间:2021-6-9 作者:qvyue

pandas的切片操作是python中数据框的基本操作,用来选择数据框的子集。

环境

  • python3.9
  • win10 64bit
  • pandas==1.2.1

准备数据

import pandas as pd
player_list = [[1,'M.S.Dhoni', 36, 75, 5428000],
               [2,'A.B.D Villers', 38, 74, 3428000],
               [3,'V.Kholi', 31, 70, 8428000],
               [4,'S.Smith', 34, 80, 4428000],
               [5,'C.Gayle', 40, 100, 4528000],
               [6,'J.Root', 33, 72, 7028000],
               [7,'K.Peterson', 42, 85, 2528000]]
index=pd.date_range('2020',periods=7,freq='D').map(lambda x:x.date().__str__())
df = pd.DataFrame(player_list, columns=['Id','Name', 'Age', 'Weight', 'Salary'],index=index)
print(df)
            Id           Name  Age  Weight   Salary
2020-01-01   1      M.S.Dhoni   36      75  5428000
2020-01-02   2  A.B.D Villers   38      74  3428000
2020-01-03   3        V.Kholi   31      70  8428000
2020-01-04   4        S.Smith   34      80  4428000
2020-01-05   5        C.Gayle   40     100  4528000
2020-01-06   6         J.Root   33      72  7028000
2020-01-07   7     K.Peterson   42      85  2528000

[]方法

可以用中括号[]完成对数据框的切片。利用列名对列进行切片,利用列的布尔序列对行进行切片。

# 选取Name列
print(df['Name'])
2020-01-01        M.S.Dhoni
2020-01-02    A.B.D Villers
2020-01-03          V.Kholi
2020-01-04          S.Smith
2020-01-05          C.Gayle
2020-01-06           J.Root
2020-01-07       K.Peterson
Name: Name, dtype: object
# 选取Name和Age列
print(df[['Name','Age']])
                     Name  Age
2020-01-01      M.S.Dhoni   36
2020-01-02  A.B.D Villers   38
2020-01-03        V.Kholi   31
2020-01-04        S.Smith   34
2020-01-05        C.Gayle   40
2020-01-06         J.Root   33
2020-01-07     K.Peterson   42
# 选取Name字段中包含字符o的行
print(df[df['Name'].str.contains('o')])
            Id        Name  Age  Weight   Salary
2020-01-01   1   M.S.Dhoni   36      75  5428000
2020-01-03   3     V.Kholi   31      70  8428000
2020-01-06   6      J.Root   33      72  7028000
2020-01-07   7  K.Peterson   42      85  2528000
# 多条件行切片
print(df[df['Name'].str.contains('o') & df['Age'].map(lambda x: x > 33)])
            Id        Name  Age  Weight   Salary
2020-01-01   1   M.S.Dhoni   36      75  5428000
2020-01-07   7  K.Peterson   42      85  2528000

iloc方法

iloc方法,使用行列的位置对数据框进行切片。支持布尔切片。

行切片

只传入一个参数时,表示对行进行切片。参数为整数返回序列,参数为列表返回数据框。正数表示正向切片,
负数表示反向切片。

# 选取第一行(序列)
print(df.iloc[0])
Id                1
Name      M.S.Dhoni
Age              36
Weight           75
Salary      5428000
Name: 2020-01-01, dtype: object
# 选取第一行(数据框)
print(df.iloc[[0]])
            Id       Name  Age  Weight   Salary
2020-01-01   1  M.S.Dhoni   36      75  5428000
# 选取前2行
print(df.iloc[:2])
            Id           Name  Age  Weight   Salary
2020-01-01   1      M.S.Dhoni   36      75  5428000
2020-01-02   2  A.B.D Villers   38      74  3428000
# 选取第三行到行末
print(df.iloc[2:])
            Id        Name  Age  Weight   Salary
2020-01-03   3     V.Kholi   31      70  8428000
2020-01-04   4     S.Smith   34      80  4428000
2020-01-05   5     C.Gayle   40     100  4528000
2020-01-06   6      J.Root   33      72  7028000
2020-01-07   7  K.Peterson   42      85  2528000
# 选取1,3,5行(设置起止位置和步长)
print(df.iloc[:6:2])
            Id       Name  Age  Weight   Salary
2020-01-01   1  M.S.Dhoni   36      75  5428000
2020-01-03   3    V.Kholi   31      70  8428000
2020-01-05   5    C.Gayle   40     100  4528000
# 选取倒数第2行到行末
print(df.iloc[-2:])
            Id        Name  Age  Weight   Salary
2020-01-06   6      J.Root   33      72  7028000
2020-01-07   7  K.Peterson   42      85  2528000
# 选取4,5,6行(布尔列表切片)
print(df.iloc[[False, False, False, True, True, True, False]])
            Id     Name  Age  Weight   Salary
2020-01-04   4  S.Smith   34      80  4428000
2020-01-05   5  C.Gayle   40     100  4528000
2020-01-06   6   J.Root   33      72  7028000
# 选取Name字段中包含o字符的行
print(df.iloc[df['Name'].str.contains('o').to_list()])
            Id        Name  Age  Weight   Salary
2020-01-01   1   M.S.Dhoni   36      75  5428000
2020-01-03   3     V.Kholi   31      70  8428000
2020-01-06   6      J.Root   33      72  7028000
2020-01-07   7  K.Peterson   42      85  2528000

列切片

使用iloc方法进行列切片时,需要行参数设置为:,表示选取所有的行。列切片方法与行切片相同。

# 选取第一列(序列)
print(df.iloc[:, 0])
2020-01-01    1
2020-01-02    2
2020-01-03    3
2020-01-04    4
2020-01-05    5
2020-01-06    6
2020-01-07    7
Name: Id, dtype: int64
# 选取第一列(数据框)
print(df.iloc[:, [0]])
            Id
2020-01-01   1
2020-01-02   2
2020-01-03   3
2020-01-04   4
2020-01-05   5
2020-01-06   6
2020-01-07   7
# 选取列名中包含a的列
print(df.iloc[:, df.columns.str.contains('a')])
                     Name   Salary
2020-01-01      M.S.Dhoni  5428000
2020-01-02  A.B.D Villers  3428000
2020-01-03        V.Kholi  8428000
2020-01-04        S.Smith  4428000
2020-01-05        C.Gayle  4528000
2020-01-06         J.Root  7028000
2020-01-07     K.Peterson  2528000

组合切片

同时设置行参数与列参数,使用iloc进行组合切片。

# 选取第一行,第一列的元素
print(df.iloc[0, 0])
1
# 选取第1,3行,2,4列
print(df.iloc[[0, 2], [1, 3]])
                 Name  Weight
2020-01-01  M.S.Dhoni      75
2020-01-03    V.Kholi      70
# 选取Name中包含o的行,且列名中包含a的列
print(df.iloc[df['Name'].str.contains('o').to_list(), df.columns.str.contains('a')])
                  Name   Salary
2020-01-01   M.S.Dhoni  5428000
2020-01-03     V.Kholi  8428000
2020-01-06      J.Root  7028000
2020-01-07  K.Peterson  2528000

loc方法

使用loc方法,用行列的名字对数据框进行切片,同时支持布尔索引。

行切片

传入一个参数时,只对行进行切片。

# 选取索引为2020-01-01的行
print(df.loc['2020-01-01'])
Id                1
Name      M.S.Dhoni
Age              36
Weight           75
Salary      5428000
Name: 2020-01-01, dtype: object
# 选取索引为2020-01-01和2020-01-03的行
print(df.loc[['2020-01-01', '2020-01-03']])
            Id       Name  Age  Weight   Salary
2020-01-01   1  M.S.Dhoni   36      75  5428000
2020-01-03   3    V.Kholi   31      70  8428000
# 选取Name字段中包含o的行
print(df.loc[df['Name'].str.contains('o')])
            Id        Name  Age  Weight   Salary
2020-01-01   1   M.S.Dhoni   36      75  5428000
2020-01-03   3     V.Kholi   31      70  8428000
2020-01-06   6      J.Root   33      72  7028000
2020-01-07   7  K.Peterson   42      85  2528000
# 选取索引中包含3或4的行
print(df.loc[df.index.str.contains('3|4')])
            Id     Name  Age  Weight   Salary
2020-01-03   3  V.Kholi   31      70  8428000
2020-01-04   4  S.Smith   34      80  4428000

列切片

使用loc方法进行列切片时,行参数需要设置为:,表示选取所有行。列切片方法与行切片相同。

# 选取Name和Age列
print(df.loc[:, ['Name', 'Age']])
                     Name  Age
2020-01-01      M.S.Dhoni   36
2020-01-02  A.B.D Villers   38
2020-01-03        V.Kholi   31
2020-01-04        S.Smith   34
2020-01-05        C.Gayle   40
2020-01-06         J.Root   33
2020-01-07     K.Peterson   42
# 选取Name列及后面所有的列
print(df.loc[:, 'Name':])
                     Name  Age  Weight   Salary
2020-01-01      M.S.Dhoni   36      75  5428000
2020-01-02  A.B.D Villers   38      74  3428000
2020-01-03        V.Kholi   31      70  8428000
2020-01-04        S.Smith   34      80  4428000
2020-01-05        C.Gayle   40     100  4528000
2020-01-06         J.Root   33      72  7028000
2020-01-07     K.Peterson   42      85  2528000
# 选取包含a字符的所有列
print(df.loc[:, df.columns.str.contains('a')])
                     Name   Salary
2020-01-01      M.S.Dhoni  5428000
2020-01-02  A.B.D Villers  3428000
2020-01-03        V.Kholi  8428000
2020-01-04        S.Smith  4428000
2020-01-05        C.Gayle  4528000
2020-01-06         J.Root  7028000
2020-01-07     K.Peterson  2528000

组合切片

同时设置行参数和列参数,使用loc方法进行组合切片。

# 选取索引为2020-01-01和2020-01-03的行,且列名为Id和Name的列
print(df.loc[['2020-01-01', '2020-01-03'], ['Id', 'Name']])
            Id       Name
2020-01-01   1  M.S.Dhoni
2020-01-03   3    V.Kholi
# 选取Name中包含o的行,且列名中包含a的列
print(df.loc[df['Name'].str.contains('o'), df.columns.str.contains('a')])

                  Name   Salary
2020-01-01   M.S.Dhoni  5428000
2020-01-03     V.Kholi  8428000
2020-01-06      J.Root  7028000
2020-01-07  K.Peterson  2528000
# 根据索引位置与列名切片
print(df.loc[df.index[3:], ['Name', 'Weight']])
                  Name  Weight
2020-01-04     S.Smith      80
2020-01-05     C.Gayle     100
2020-01-06      J.Root      72
2020-01-07  K.Peterson      85
# 根据索引名与列位置切片
print(df.loc[['2020-01-01', '2020-01-03'], df.columns[[2, 4]]])
            Age   Salary
2020-01-01   36  5428000
2020-01-03   31  8428000

filter方法

filter方法与loc方法类似,都是基于索引名和列名进行切片。

# 选取列(默认)
print(df.filter(items=['Name', 'Weight']))
                     Name  Weight
2020-01-01      M.S.Dhoni      75
2020-01-02  A.B.D Villers      74
2020-01-03        V.Kholi      70
2020-01-04        S.Smith      80
2020-01-05        C.Gayle     100
2020-01-06         J.Root      72
2020-01-07     K.Peterson      85
# 选取行
print(df.filter(items=['2020-01-01', '2020-01-03'], axis=0))
            Id       Name  Age  Weight   Salary
2020-01-01   1  M.S.Dhoni   36      75  5428000
2020-01-03   3    V.Kholi   31      70  8428000
# 选取列名包含字符e的列
print(df.filter(like='e'))
                     Name  Age  Weight
2020-01-01      M.S.Dhoni   36      75
2020-01-02  A.B.D Villers   38      74
2020-01-03        V.Kholi   31      70
2020-01-04        S.Smith   34      80
2020-01-05        C.Gayle   40     100
2020-01-06         J.Root   33      72
2020-01-07     K.Peterson   42      85
# 选取列名是字符e结尾的列
print(df.filter(regex='e$'))
                     Name  Age
2020-01-01      M.S.Dhoni   36
2020-01-02  A.B.D Villers   38
2020-01-03        V.Kholi   31
2020-01-04        S.Smith   34
2020-01-05        C.Gayle   40
2020-01-06         J.Root   33
2020-01-07     K.Peterson   42
声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:qvyue@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。