loc和iloc用法

loc表示按key筛选, iloc是按index筛选， 筛选方法和python切片规则相同

df = pd.DataFrame([{'A':1, 'B':10, 'C':100}, {'A':2, 'B':20, 'C':200}, {'A':3, 'B':30, 'C':300}])
df = df.loc[[0,2],['A','C']]  # loc表示按key筛选， [0,1]是行筛选  ['A','C']是列筛选。 
df = df.loc[:,['A','C']]  # 可以用:表示选择所有，跟python的切片规则一样，左开右闭
df = df.loc[:,'B':'C'] #既可以是list，也可以是冒号切片
df = df.iloc[[1,2],1:3]  # iloc跟loc用法类似，区别在于loc是key索引，iloc是index索引
series1 = df.iloc[:,0] #如果只提取一列，那么得到的是一维的series，不再是DataFrame


#筛选列名为'A','C'的列，形成新的df  参考: <https://blog.csdn.net/htuhxf/article/details/88221418>
df = df[['A','C']]  #直接用中括号，表示按照列的key提取，提取 A和C列
df = df.loc[:,['A','C']]  #也可以用loc来提取

# 根据条件筛选行，形成新的df  注意筛选条件里要带括号
df = df[(df['A']==2) & (df['B']==20)]

# 根据行的key获取行的index
print(df.index.get_loc(2))  # 2
# 根据列的key获取列的index  可以在iloc里用
print(df.columns.get_loc('A'), df.columns.get_loc('B')) # 0 1


# 类似二维字典取值：
print(df['B'][0])
df['B'][0] += 1
print(df['B'][0])

其他

# 读取没有表头的csv
df = pd.read_csv('data.csv', sep='\t',header=None, names=['var_code','var_name','var_desc'])

# 修改列名 inplace=True表示覆盖原有的列
dataframe.rename(columns = {"old_name": "new_name"})
dataframe.rename(columns = {"old1": "new1", "old2":"new2"},  inplace=True)




# 通过list创建dataframe
data_list = [{'A':1, 'B':10}, {'A':2, 'B':20}, {'A':3, 'B':30}]
df = pd.Dataframe(data_list)

data_list = [["xiaolei",20,10081],["xiaowu",30,10082]]
df = pd.DataFrame(data_list)




# 合并dataframe
# https://blog.csdn.net/xue_11/article/details/118424380
t = pd.concat([t1,t2]) #默认上下堆叠
t = pd.concat([t1,t2], axis=1) #左右堆叠
df = df.append(df2)  # 追加 并不修改df1




#排序
df = pd.DataFrame([{'A':5, 'B':50}, {'A':2, 'B':20}, {'A':3, 'B':30}])
df = df.sort_values(['A'])





# 增加一列数据  shift(1)表示取当前列的上一行的值
data_list = [{'A':1, 'B':10}, {'A':2, 'B':20}, {'A':3, 'B':30}]
df = pd.DataFrame(data_list)
df['C'] = df['A'] + df['B']
df['D'] = df['A'] + df['B'].shift(1)
df['E'] = 'ee'
print(df)
### 输出
   A   B   C     D   E
0  1  10  11   NaN  ee
1  2  20  22  12.0  ee
2  3  30  33  23.0  ee

一列数据的类型是 pandas.core.series.Series 二维数据的类型 pandas.core.frame.DataFrame 三维数组 Panel 四维数组 Panel4D 更多维数组 PanelND