Pandas DataFrame 结构对象测试(1)

创建一个DataFrame 结构对象

data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

print(data)

输出：

    A B C

a  1  4  7

b  2  5  8

c  3  6  9

从输出可以看出，index 中元素为行索引名称， 字典的键为列索引名称，字典的值为DaraFrame的值，3行3列。

使用ioc属性，依据行，列索引名称获取对应值。

print(data.loc['a', 'A']) 输出：1

print(data.loc['a', 'C']) 输出：7

取一个范围的值，使用列表指定行，列范围

print(data.loc['a':'c', 'B'])  # B列的值，因为指定了行a到行c,B列

输出：

a    4

b     5

c     6

Name: B, dtype: int64

同样，不指定行索引，即所有的行，如下：

print(data.loc[:, 'B'])  # 也是B列的值

可以同时指定行，列索引范围

print(data.loc['a':'c', 'A':'B'])  # A，B列的值

输出：

    A  B

a  1  4

b  2  5

c  3  6

行列索引可以任意指定

print(data.loc['b':'c', 'A':'B'])  # 第2，3 行  A，B列的值,

输出：

    A B

b  2  5

c  3  6

iloc()的使用，依据行列索引号取值

print(data.iloc[1, 2]) # 第2行 第3列的数据， 索引默认从0开始

输出： 8

也可以取区域值，取区域使用列表传行列名称的索引值

print(data.iloc[1:3, 0:3]) # 第2 行到第3行(开区间，不包含第4行)，第1列 到第3列的区间数据

输出：

  A  B  C

b  2  5  8

c  3  6  9