Pandas查找数据: 3种高效方法详解（附代码示例）

在数据分析中，经常需要从Pandas DataFrame中根据特定条件查找行数据。本文将介绍三种常用的方法，帮助你快速高效地定位所需数据。

1. 使用索引查找行数据

Pandas DataFrame支持两种索引方式：

使用索引号（从0开始）: 可以使用.iloc属性根据索引号查找行数据。例如，df.iloc[0]返回DataFrame的第一行数据。
使用标签名: 可以使用.loc属性根据标签名查找行数据。例如，df.loc['row_label']返回标签名为'row_label'的行数据。

代码示例:

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 28],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 使用索引号查找
print(df.iloc[0])

# 使用标签名查找
print(df.loc['b'])

2. 使用布尔索引查找行数据

布尔索引是一种根据条件筛选数据的方法。可以通过在DataFrame上应用布尔条件来选择符合条件的行。

代码示例:

# 筛选年龄大于25的行
df_filtered = df[df['Age'] > 25]
print(df_filtered)

3. 使用查询语句查找行数据

Pandas DataFrame的.query()方法允许使用类似SQL的查询语句来筛选数据。

代码示例:

# 查询城市为'London'的行
df_query = df.query('City == 'London'')
print(df_query)

总结

本文介绍了三种在Pandas DataFrame中根据行查找数据的方法。选择哪种方法取决于你的具体需求和数据特点。