|
1、读取csv
import pandas as pd
df = pd.read_csv('路径/py.csv')
2、取行号
index_num = df.index
举个例子：
import pandas as pd
df = pd.read_csv('./IP2LOCATION.csv',encoding= 'utf-8')
index_num = df.index
print(index_num)
3、取出行
import pandas as pd
df = pd.read_csv('./IP2LOCATION.csv',encoding= 'utf-8',header=None)
# print(type(df))
df.columns = ['a','b','c','d','e','f']
# 获取行数
# index_num = df.index
# print(index_num)
# 取出某一行
# row_data_1 = df.iloc[0]
# row_data_2 = df.iloc[[0]]
# 取出连续的行
# row_data_3 = df.iloc[0:2]
# row_data_4 = df[0:2]
# 取出不连续的行
# row_data_5 = df.iloc[[0,2]]
# print(row_data_5)
只取一行
可以使用df.iloc[行号],得到的是series
也可以使用df.iloc[[行号]],得到的是dataframe
row_data_1 = df.iloc[0] # pandas seriesrow_data_2 = df.iloc[[0]] # dataframe
loc是显式的索引，默认第一行的行号为1，行号从1计数
iloc是隐式的索引，默认第一行的行号为0，行号从0计数
row_data_1
row_data_2
取连续的几行
可以用df.iloc[行号:行号],也可以用df[行号:行号],得到的都是dataframe
row_data_3 = df.iloc[0:2]
row_data_3 = df[0:2]
row_data_3
row_data_4
取出不连续的几行
使用df.iloc[[行号,行号]]，特别注意是两个方括号，中间是逗号，得到的是dataframe
row_data_5 = df.iloc[[0,2]]
row_data_5
4、取出列
import pandas as pd
df = pd.read_csv('./IP2LOCATION.csv',encoding= 'utf-8',header=None)
# print(type(df))
df.columns = ['a','b','c','d','e','f']
# 只取一列
# col_data_1 = df['a'] # 单独一列是个series
# col_data_2 = df.loc[:,'a'] # 同上，但比较复杂，一般不用
# col_data_3 = df.iloc[:,0] # 同上，可以在不知道列名的时候用
#
# col_data_4 = df[['a']] # 单独一列是个df
# col_data_5 = df.loc[:,['a']] # 同上，但比较复杂，一般不用
# col_data_6 = df.iloc[:,[0]] # 同上，可以在不知道列名的时候用
# print(col_data_4)
# 获取指定的几列
# cols_data_1 = df[['a','b']] # DataFrame, 指定某几列，直接用列名
# cols_data_2 = df.loc[:,['a','b']] # 同上，但比较复杂，一般不用
# cols_data_3 = df.iloc[:,[0,2]] # 同上，可以在不知道列名的时候用
# print(cols_data_1)
# 获取指定的连续列
# cols_data_4 = df.loc[:,'a':'d'] # 指定连续列，用列名
# cols_data_5 = df.iloc[:,0:4] # 指定连续列，用数字
# print(cols_data_4)
只取一列
col_data_1 = df['a'] # 单独一列是个seriescol_data_2 = df.loc[:,'a'] # 同上，但比较复杂，一般不用col_data_3 = df.iloc[:,0] # 同上，可以在不知道列名的时候用
以上三种均为只取一列的操作，并且是等效的，获取的都是series类型
下面三种也是等效的，但是获取的是dataframe类型
col_data_4 = df[['a']] # 单独一列是个df
col_data_5 = df.loc[:,['a']] # 同上，但比较复杂，一般不用
col_data_6 = df.iloc[:,[0]] # 同上，可以在不知道列名的时候用
取指定的某几列
cols_data_1 = df[['a','b']] # DataFrame, 指定某几列，直接用列名
cols_data_2 = df.loc[:,['a','b']] # 同上，但比较复杂，一般不用
cols_data_3 = df.iloc[:,[0,2]] # 同上，可以在不知道列名的时候用
获取指定的连续几列
cols_data_4 = df.loc[:,'a':'d'] # 指定连续列，用列名
cols_data_5 = df.iloc[:,0:4] # 指定连续列，用数字
5、取指定行和列
import pandas as pd
df = pd.read_csv('./IP2LOCATION.csv',encoding= 'utf-8',header=None)
# print(type(df))
df.columns = ['a','b','c','d','e','f']
# 获取指定行列
# 第一种，列索引用数字表示
# data_1 = df.iloc[[1,3],[0]]
# data_2 = df.iloc[[1,3],0]
# data_3 = df.iloc[[1,3],1:3]
# data_4 = df.iloc[[1,3],[1,3]]
# print(data_4)
# 第二种，列索引直接引用列名
# data_5 = df.loc[1,['a','d']]
# data_6 = df.loc[[1],['a','d']]
# data_7 = df.loc[[1,3],'a':'d']
# data_8 = df.loc[[1,3],['a','d']]
# print(data_8)
列索引用数字表示
第一种情况是列索引用数字表示, df.iloc[行索引表达，列索引表达]，规则跟上面行索引一模一样。
data_1 = df.iloc[[1,3],[0]]
data_2 = df.iloc[[1,3],0] # series
data_3 = df.iloc[[1,3],1:3]
data_4 = df.iloc[[1,3],[1,3]]
列索引直接引列名
第二种情况是列索引直接引列名（行索引不存在这个问题，因为pandas没有所谓'行名'），就要用df.loc[行索引，列名索引。
data_5 = df.loc[1,['a','d']] # series
data_6 = df.loc[[1],['a','d']]
data_7 = df.loc[[1,3],'a':'d']
data_8 = df.loc[[1,3],['a','d']]
|