python中pandas庫中DataFrame對行和列的操作使用方法示例

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類型    data.w  #選擇表格中的'w'列，使用點屬性,返回的是Series類型    data[['w']] #選擇表格中的'w'列，返回的是DataFrame類型    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的前幾行數據，默認為前五行，需要前十行則data.head(10)  data.tail() #返回data的後幾行數據，默認為後五行，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:Anaconda2libsite-packagesspyderutilsipythonstart_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,[0,2]] #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',[2,1]]  Out[25]:      c b  one 2 1  two 7 6    data.ix[['one','three'],[2,2]]  Out[26]:       c  c  one   2  2  three 12 12    data.ix['one':'three',['a','c']]  Out[27]:       a  c  one   0  2  two   5  7  three 10 12    data.ix[['one','one'],['a','e','d','d','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類型,**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類型或`data.irow(-1)`--返回Series類型  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類型  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類型，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

最近處理數據時發現當pd.read_csv()數據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

這樣既不改變原有數據，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。