Python Pandas获取DataFrame指定行数据的三种方法

Python Pandas获取DataFrame指定行数据的三种方法

在数据分析中，我们经常需要从数据集中提取特定的行数据。Python的Pandas库提供了一个强大的数据结构DataFrame，并提供了多种方法来获取指定行数据。

本文将介绍三种常用的方法：

1. 使用行索引号（行号）获取行

   使用 iloc 属性可以通过行索引号获取行数据。行索引从0开始，例如，第一行的索引号为0，第二行的索引号为1，以此类推。

   import pandas as pd
   
   # 创建示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
   df = pd.DataFrame(data)
   
   # 获取索引号为1的行
   row = df.iloc[1]
   
   # 打印结果
   print(row)
   

   输出结果：

   A    2
   B    5
   C    8
   Name: 1, dtype: int64
   

2. 使用条件筛选获取行

   使用布尔索引可以根据条件筛选行数据。例如，要获取'A'列中值为2的行，可以使用以下代码：

   import pandas as pd
   
   # 创建示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
   df = pd.DataFrame(data)
   
   # 获取'A'列中值为2的行
   row = df[df['A'] == 2]
   
   # 打印结果
   print(row)
   

   输出结果：

      A  B  C
   1  2  5  8
   

3. 使用行标签（行名）获取行

   如果DataFrame设置了行标签，则可以使用 loc 属性通过行标签获取行数据。

   import pandas as pd
   
   # 创建示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
   df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
   
   # 获取行标签为'row2'的行
   row = df.loc['row2']
   
   # 打印结果
   print(row)
   

   输出结果：

   A    2
   B    5
   C    8
   Name: row2, dtype: int64
   

总结

本文介绍了三种使用Python Pandas获取DataFrame指定行数据的方法。选择哪种方法取决于你的具体需求。如果知道行索引号，则可以使用 iloc；如果需要根据条件筛选行，则可以使用布尔索引；如果DataFrame设置了行标签，则可以使用 loc。