如何在pandas中利用DataFrame对象对数据进行抽取-创新互联

这篇文章将为大家详细讲解有关如何在pandas中利用DataFrame对象对数据进行抽取，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

pandas的DataFrame对象，本质上是二维矩阵，跟常规二维矩阵的差别在于前者额外指定了每一行和每一列的名称。这样内部数据抽取既可以用“行列名称（对应.loc[]方法）”，也可以用“矩阵下标（对应.iloc[]方法）”两种方式进行。
下面具体说明：

首先生成一个DataFrame对象：

import pandas as pd
score = [[34,67,87],[68,98,58],[75,73,86],[94,59,81]]
name = ['小明','小红','小李']
course = ['语文','数学','英语','政治']
mydata1 = pd.DataFrame(data=score,columns=name,index=course)#指定行名（index）和列名（columns）
print(mydata1)
mydata2 = pd.DataFrame(score)#不指定行列名，默认使用0,1,2……
print(mydata2)

#指定行列名
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86
政治 94 59 81
#采用默认行列名
  0  1  2 （默认列名）
0 34 67 87
1 68 98 58
2 75 73 86
3 94 59 81

DataFrame对象生成时除了必须指定data参数外，用户还可以指定两个参数columns（列名）和index（行名，注意这里的index不仅可以是数字，也可以是用户指定的任何数据类型，如字母），如果不指定，则行列名默认都采用0、1、2……。

下图说明了前面的情况：

DataFrame对象的.loc[]和.iloc[]方法都可用于抽取数据，区别是：

• .loc[]：是location，以columns（列名）和index（行名）作为参数。

• .iloc[]：是index location，以二维矩阵的位置指标（即0,1,2……）作为参数。

  
  

.loc[]语法

.loc[行标签名/[行标签名list]，列标签名/[列标签名list]]，即有两个输入参数，第一个指定行名，第二个指定列名。当只有一个参数时，默认是行名（即抽取整行），所有列都选中。

.iloc[]语法

.loc[行位置/[行位置list]，列位置/[列位置list]]，也有两个输入参数，第一个指定行位置，第二个指定列位置。当只有一个参数时，默认是行位置（即抽取整行），所有列都选中。

例1.抽取1行数据

#以下用.loc[]抽取1行名为‘语文'的数据（包括所有列）
mydata1.loc['语文']
mydata1.loc['语文',]
mydata1.loc['语文',:]
mydata1.loc[['语文'],]
mydata1.loc[['语文'],:]
#以下用.iloc[]抽取1行名为‘语文'的数据（包括所有列）
mydata1.iloc[0]
mydata1.iloc[0,]
mydata1.iloc[0,:]
mydata1.iloc[[0],]
mydata1.iloc[[0],:]

#输出方式1（第1个参数无[]，这是一个Series对象）：
小明  34
小红  67
小李  87
Name: 语文, dtype: int64
#输出方式2（第1个参数有[]，这是一个DataFrame对象）：
  小明 小红 小李
语文 34 67 87
Name: 语文, dtype: int64

上述.loc[]和.iloc[]都只接收了1个参数“语文”或者“0”，因此默认都表示行信息，而列则全部被选中，即抽取'语文'这整一行数据。','表示将两个参数隔开（如果有两个参数的话），':'这里表示选择中所有列。当只有一个输入参数时，python默认','和':'既可写上也可省略。注意：参数['语文']或[0]中只有一个对象时（即只有一行），[]也可以省略，如果有多个对象（即多行）则必须加上[]。此外还需注意，加上[]表示抽取的结果无论是一个数据，一行数据，还是一列数据，他都是DataFrame对象；不加[]时，如果选中的是一行或者一列数据，则是Series对象，如果是一个单独的数据，则是该数据本身的类型。

例2.指定行名抽取任意多行数据

#指定多行行名抽取
mydata1.loc[['英语','语文','政治'],:]
  小明 小红 小李
英语 75 73 86
语文 34 67 87
政治 94 59 81
mydata1.iloc[[1,0],:]
  小明 小红 小李
数学 68 98 58
语文 34 67 87

例2和例1的差别是，第一个参数指定了多行一起输出，此时必须用[]将各行名或者下标括起来，否则出错。后面的','和':'同例1，可省略。注意：原始数据的行顺序是：语文、数学、英语、政治，这里的提取顺序是['英语','语文','政治']，而输出也是'英语','语文','政治'，可见输出顺序和参数指定顺序是一致的，而非按原始顺序输出。

例3.抽取连续任意多行数据

mydata1.loc['语文':'英语',:] #连续抽取从语文到英语的所有行
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86

mydata1.loc[:'英语',:] #连续抽取从第1行到英语的所有行
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86

mydata1.iloc[0:3,:] #连续抽取1~3行
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86

mydata1.iloc[1:,:] #连续抽取第2行最后一行
  小明 小红 小李
数学 68 98 58
英语 75 73 86
政治 94 59 81

例3依然是接受1个参数，列参数没有，后面的','和':'同例1，可省略。连续参数用‘start:end'的方式指定行范围。注意：这里不能用[]将其括起来，否则出错。此外用行列名连续取值时，比如['语文':'政治']会把'政治'所在行也取出来，而利用矩阵下标时，0:3只取0,1,2对应的三行，最后一行不会取出；但是如果行列标签名本身就是整数0,1,2……，而不是文字或者其他类型，那么在使用连续行列标签名取数据时，最后一行或者列是不会被取出的。

例4.抽取“列”的各种情况

mydata1.loc[:,['小红']] #所有行，小红列，只有一列时，内部[]也可以省略
  小红
语文 67
数学 98
英语 73
政治 59

mydata1.loc[:,['小明','小红']] #所有行，小明和小红两列
  小明 小红
语文 34 67
数学 68 98
英语 75 73
政治 94 59

mydata1.iloc[:,[1,2]] #所有行，第2和第3列
  小红 小李
语文 67 87
数学 98 58
英语 73 86
政治 59 81

mydata1.loc[:,'小明':] #连续抽取从小明列开始到最后一列
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86
政治 94 59 81

mydata1.iloc[:,:3] #连续抽取从1列开始到第3列
  小明 小红 小李
语文 34 67 87
数学 68 98 58
英语 75 73 86
政治 94 59 81

抽取整列的方式跟抽取整行在参数设置上完全一样。.loc[]和.iloc[]两个方法默认列为第二个参数，因此抽取整列时，都必须带上':,'作为区分前面行参数的‘分隔符'，否则出错。

例5.同时抽取指定行和列对应数据

mydata1.loc['语文','小明'] #输入了两个参数，输出语文行小明列，即一个数据
34
 #没带[]时，单个数字是这种类型
mydata1.loc[['语文'],['小明']] #输出语文行小明列，即一个数据
  小明
语文 34
 #带[]时，输出依然是DataFrame对象

mydata1.iloc[1,2] #第2行第3列数据，单个数据
58
 #注意没带[]时的输出类型
mydata1.iloc[[1],[2]]
  小李
数学 58
 #注意带[]时的输出类型

mydata1.loc[['语文','数学'],['小明']] #输出语文数学行，小明列的数据
  小明
语文 34
数学 68

mydata1.iloc[1:,[0,2]] #输出从第2行到最后一行，第1和第3行对应数据
  小明 小李
数学 68 58
英语 75 86
政治 94 81

同时抽取分部行和列的情况，就是把上述单独抽取行和列的方式合并起来用。抽取整个DataFrame对象则是.loc[:,:]或.iloc[:,:]，虽然这么做没啥意义。

总结：

（1）DataFrame对象的.loc[,]和.iloc[,]方法用于抽取数据，.loc[,]用行列的标签名作为参数，.iloc[,]用二维矩阵元素的网格下标作为参数。
（2）两个方法都接受两个参数，第一个是“行标签”或者“矩阵行号”，第二个是“列标签”或者“矩阵列号”。
（3）两种方法当只指定一个输入参数时，都默是跟“行”相关，而“列”则全部被选中。如何行和列都需要指定时，中间用“逗号,”隔开，这非常重要，否则出错。
（4）当需要选中所有行的某几列时，行参数可以省略，列参数需要指定，此时列参数前面必须带上“,:”，形如.loc[:,列参数]，.iloc[:,列参数]。
（5）.loc[,]和.iloc[,]设置了一个还是两个输入参数，关键看有没有“,”将两个参数分开，且要区分逗号是一个参数的内部逗号，还有用于分隔行列参数的逗号。
（6）对于两个参数的概念区分，.loc['语文','数学']这表示输入了两个参数，行参数是‘语文'，列参数是‘数学'，对于上面的表格而言这是错的，因为没有叫‘数学'的列，应写为[['语文','数学']]，即‘数学'也是行参数的一部分，['语文','数学']整体作为一个行参数，这里的逗号不是用以分隔行和列，仅仅是行list里面的逗号。[['语文','数学']]=[['语文','数学'],]=[['语文','数学'],:]，都表示只有一个行参数，列全部选中。

关于如何在pandas中利用DataFrame对象对数据进行抽取就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。