【非常重要】pandas的一维序列Series和二维表DataFrame的五种索引访问方式总结大全

说明：位置索引----list索引访问方式
标签索引----dict索引访问方式
 

关于DataFrame和Series的关系总结：

其中Series又具备了numpy中ndarray数组的特性以及dict的特性！

关于DataFrame和Series的关系总结：
其中Series又具备了numpy中ndarray数组的特性以及dict的特性！
df = pd.DataFrame({"name": "aaa", "age": 18, "sex": "man", "height": 1.08},
index=pd.date_range("20190101", freq="D", periods=3))
print(df.values)
'''
DataFrame内部就是二维Series列的组合,这也是为什么在访问DataFrame[列标签索引]的原因！
[
['aaa' 18 'man' 1.08]
['aaa' 18 'man' 1.08]
['aaa' 18 'man' 1.08]
]
'''

总结Series的五种索引访问方式：

    由于Series是一个一维标签数组,所有at和loc等价，iat和iloc等价,都会获取单个值！

   Series具备list和dict的特性,可以直接Series[列标签索引或位置索引]访问
   Series.at[行标签索引,列标签索引] == Series.loc[行标签索引,列标签索引]
        访问行/列标签对的单个值。
    Series.iat[行位置索引,列位置索引] == Series.iloc[行位置索引,列位置索引]
        通过整数位置访问行/列对的单个值。


总结DataFrame的五种索引访问方式：

    DataFrame.at[行标签索引,列标签索引]
        访问行/列标签对的单个值。
   DataFrame.iat[行位置索引,列位置索引]
        通过整数位置访问行/列对的单个值。
    DataFrame.loc[行标签索引,列标签索引]

df = pd.DataFrame([np.random.randint(1, 10, 4)],
index=pd.date_range("20190101", freq="D", periods=10),
columns=list('ABCD'))
print(df)
# 这种方式等价于print(df.loc["20190101",:]),选择一行所有的列！
print(df.loc["20190101"])

        按标签访问一组行和列。
    DataFrame.iloc[行位置索引,列位置索引]
        按整数位置访问一组行和列。
    >>>> 对象标签索引访问方式<<<<
    dataFrame.列标签索引 或 dataFrame[列标签索引]

最后

以上就是从容铃铛为你收集整理的【非常重要】pandas的一维序列Series和二维表DataFrame的五种索引访问方式总结大全的全部内容，希望文章能够帮你解决【非常重要】pandas的一维序列Series和二维表DataFrame的五种索引访问方式总结大全所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。