Python-科學(xué)計算-pandas-11-df獲取特定行或者列

微信公眾號原文

系統(tǒng):Windows 7
語言版本:Anaconda3-4.3.0.1-Windows-x86_64
編輯器:pycharm-community-2016.3.2
pandas:0.19.2

  • 這個系列講講Python的科學(xué)計算及可視化
  • 今天講講pandas模塊
  • 從Dataframe獲取特定的行或者列數(shù)據(jù)入蛆,生成一個列表

Part 1:目標(biāo)

  1. 已知一個Df李剖,如下圖
    • 包括3列["time", "pos", "value1"]
    • 包括8行[0,1,2,3,4,5,6,7]
  2. 目標(biāo):
    • 獲取["time", "pos", "value1"]任意一列數(shù)據(jù)眯牧,輸出為列表
    • 獲取第0行數(shù)據(jù)

Df

1.png

Part 2:代碼

import pandas as pd

dict_1 = {"time": ["2019-11-02", "2019-11-03", "2019-11-04", "2019-11-05",
                   "2019-12-02", "2019-12-03", "2019-12-04", "2019-12-05"],
          "pos": ["P1", "P2", "P3", "P4", "P5", "P6", "P7", "P8"],
          "value1": [0.5, 0.8, 1.0, 2, 3, 5, 6, 7]}

df_1 = pd.DataFrame(dict_1, columns=["time", "pos", "value1"])
print(df_1, "\n")

print("\n獲取列信息")
print("\n方法1")
list1 = df_1["time"].values.tolist()
list2 = df_1["pos"].values.tolist()
list3 = df_1["value1"].values.tolist()
print("time-列:", list1)
print("time-列,數(shù)據(jù)類型:", type(list1))
print("pos-列:", list2)
print("value1-列:", list3)

print("\n方法2")
list4 = df_1["time"].tolist()
print("time-列:", list4)
print("time-列俊嗽,數(shù)據(jù)類型:", type(list4))

print("\n獲取行信息")
df_2 = df_1.T
print(df_2)
list5 = df_2[0].tolist()
print(list5)
print(type(list5))

代碼截圖

2.png

運行結(jié)果

3.png

Part 3:部分代碼解讀

  1. 輸出列,包括兩種方法霜医,從結(jié)果上來看沒有什么區(qū)別光稼,具體有啥區(qū)別或南,歡迎留言來分享
    • df_1["time"].values.tolist(),格式:df[列名].values.tolist()
    • df_1["time"].tolist()艾君,格式:df[列名].tolist()
  2. 輸出行采够,本文中其實還是采用輸出列的方式,即先將原來的df_1轉(zhuǎn)置再輸出列信息冰垄,df_2 = df_1.T

本文為原創(chuàng)作品蹬癌,歡迎分享朋友圈

長按圖片識別二維碼,關(guān)注本公眾號
Python 優(yōu)雅 帥氣


12x0.8.jpg
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末播演,一起剝皮案震驚了整個濱河市冀瓦,隨后出現(xiàn)的幾起案子伴奥,更是在濱河造成了極大的恐慌写烤,老刑警劉巖,帶你破解...
    沈念sama閱讀 212,454評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件拾徙,死亡現(xiàn)場離奇詭異洲炊,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)尼啡,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,553評論 3 385
  • 文/潘曉璐 我一進(jìn)店門暂衡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人崖瞭,你說我怎么就攤上這事狂巢。” “怎么了书聚?”我有些...
    開封第一講書人閱讀 157,921評論 0 348
  • 文/不壞的土叔 我叫張陵唧领,是天一觀的道長藻雌。 經(jīng)常有香客問我,道長斩个,這世上最難降的妖魔是什么胯杭? 我笑而不...
    開封第一講書人閱讀 56,648評論 1 284
  • 正文 為了忘掉前任,我火速辦了婚禮受啥,結(jié)果婚禮上做个,老公的妹妹穿的比我還像新娘。我一直安慰自己滚局,他們只是感情好居暖,可當(dāng)我...
    茶點故事閱讀 65,770評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著核畴,像睡著了一般膝但。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上谤草,一...
    開封第一講書人閱讀 49,950評論 1 291
  • 那天跟束,我揣著相機(jī)與錄音,去河邊找鬼丑孩。 笑死冀宴,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的温学。 我是一名探鬼主播略贮,決...
    沈念sama閱讀 39,090評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼仗岖!你這毒婦竟也來了逃延?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,817評論 0 268
  • 序言:老撾萬榮一對情侶失蹤轧拄,失蹤者是張志新(化名)和其女友劉穎揽祥,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體檩电,經(jīng)...
    沈念sama閱讀 44,275評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡拄丰,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,592評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了俐末。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片料按。...
    茶點故事閱讀 38,724評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖卓箫,靈堂內(nèi)的尸體忽然破棺而出载矿,到底是詐尸還是另有隱情,我是刑警寧澤烹卒,帶...
    沈念sama閱讀 34,409評論 4 333
  • 正文 年R本政府宣布闷盔,位于F島的核電站魂挂,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏馁筐。R本人自食惡果不足惜涂召,卻給世界環(huán)境...
    茶點故事閱讀 40,052評論 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望敏沉。 院中可真熱鬧果正,春花似錦、人聲如沸盟迟。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,815評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽攒菠。三九已至迫皱,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間辖众,已是汗流浹背卓起。 一陣腳步聲響...
    開封第一講書人閱讀 32,043評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留凹炸,地道東北人戏阅。 一個月前我還...
    沈念sama閱讀 46,503評論 2 361
  • 正文 我出身青樓,卻偏偏與公主長得像啤它,于是被迫代替她去往敵國和親奕筐。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,627評論 2 350