python，pandas， DataFrame数据获取方式

一、创建DataFrame

 1 df=pd.DataFrame(np.arange(1,10).reshape(3,3))
 2 my_col=dict(zip(range(3),['A','B','C']))
 3 df.rename(columns=my_col,inplace=True)
 4 print(df)
 5 print(type(df))
 6 
 7 结果为：
 8    A  B  C
 9 0  1  2  3
10 1  4  5  6
11 2  7  8  9
12 <class 'pandas.core.frame.DataFrame'>

一、at和iat的用法

at和iat，可选择指定行、指定列的单个元素。

1.at的用法

1 a=df.at[1,'A']
2 print(a)
3 print(type(a))
4 
5 结果为：
6 4
7 <class 'numpy.int32'>

2.iat的用法

1 a=df.iat[1,1]
2 print(a)
3 print(type(a))
4 结果为：
5 5
6 <class 'numpy.int32'>

一、loc和iloc的用法

loc和iloc，可选择指定行、指定列或者某个区域的多个元素。

1.loc的用法

 1 a=df.loc[1,'A']
 2 print(a)
 3 print(type(a))
 4 结果为：
 5 4
 6 <class 'numpy.int32'>
 7 
 8 a=df.loc[:,'A']
 9 print(a)
10 print(type(a))
11 结果为：
12 0    1
13 1    4
14 2    7
15 <class 'pandas.core.series.Series'>
16 
17 a=df.loc[1:2,:]
18 print(a)
19 print(type(a))
20 结果为：
21    A  B  C
22 1  4  5  6
23 2  7  8  9
24 <class 'pandas.core.frame.DataFrame'>
25 
26 a=df.loc[:,:]
27 print(a)
28 print(type(a))
29 结果为：
30    A  B  C
31 0  1  2  3
32 1  4  5  6
33 2  7  8  9
34 <class 'pandas.core.frame.DataFrame'>

2.iloc的用法

 1 a=df.iloc[1,0]
 2 print(a)
 3 print(type(a))
 4 结果为：
 5 4
 6 <class 'numpy.int32'>
 7 
 8 a=df.iloc[:,0]
 9 print(a)
10 print(type(a))
11 结果为：
12 0    1
13 1    4
14 2    7
15 <class 'pandas.core.series.Series'>
16 
17 a=df.iloc[1:2,:]
18 print(a)
19 print(type(a))
20 结果为：
21    A  B  C
22 1  4  5  6
23 <class 'pandas.core.frame.DataFrame'>
24 
25 a=df.iloc[:,:]
26 print(a)
27 print(type(a))
28 结果为：
29    A  B  C
30 0  1  2  3
31 1  4  5  6
32 2  7  8  9
33 <class 'pandas.core.frame.DataFrame'>

四、df的用法

df，要么选择指定列的元素，要么选择指定行的元素，要么通过条件判断选择指定区域的元素。

 1 a=df['A']
 2 print(a)
 3 print(type(a))
 4 结果为：
 5 0    1
 6 1    4
 7 2    7
 8 <class 'pandas.core.series.Series'>
 9 
10 a=df[['A','B']]
11 print(a)
12 print(type(a))
13 结果为：
14    A  B
15 0  1  2
16 1  4  5
17 2  7  8
18 <class 'pandas.core.frame.DataFrame'>
19 
20 a=df[df['A']>=4]
21 print(a)
22 print(type(a))
23 结果为：
24    A  B  C
25 1  4  5  6
26 2  7  8  9
27 <class 'pandas.core.frame.DataFrame'>
28 
29 a=df[1:3]
30 print(a)
31 print(type(a))
32 结果为：
33    A  B  C
34 1  4  5  6
35 2  7  8  9
36 <class 'pandas.core.frame.DataFrame'>