Python pandas 的索引方式 data.loc[],data[][]示例详解

目录

• 1. data.loc[index,column]
• 2. data[column][index]

1. data.loc[index,column]

使用.loc[ ]第一个参数是行索引，第二个参数是列索引

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)])
print(data)
dt = data.loc[0,1]  //[index,column]
print(dt)

相当于第0行第1列

当然，还可以有如下操作，全部使用标签来作为行索引和列索引：

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],['第一行','第二行','第三行'],['第一列','第二列','第三列','第四列'])
print(data)
dt = data.loc['第一行','第三列']
print(dt)

也可以有如下情况，使用数字作为行索引，标签作为列索引：

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],[0,1,2],['第一列','第二列','第三列','第四列'])
print(data)
dt = data.loc[0,'第三列']
print(dt)

2. data[column][index]

这里与上面不同，使用两个方括号的索引方式，列标签的优先级更高一些，是列在前行在后。

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)])
print(data,'\n')
print(data[2][0])

即使是在产生dataframe的时候把行列标签列的毫无歧义，也同样要满足列在前、行在后。

import pandas as pd
data = pd.DataFrame([range(1,5),range(6,10),range(11,15)],[0,1,2],['第一列','第二列','第三列','第四列'])
print(data,'\n')
print(data['第二列'][0])

切记！！！！任何情况下如果直接使用data[][]的索引方式，第一个代表的都是列标签，如果行标签放在前面一定会出错。

到此这篇关于Python pandas 的索引方式 data.loc[], data[][]的文章就介绍到这了,更多相关Python pandas索引方式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！