Pandas 数据框：如何选择行和列

要选择行和列，可以使用 Pandas 的索引方法。以下是一些常见的行列选择方法：

1. 选择列：使用列名作为索引，可以使用以下方法选择一个或多个列：

   • 使用单个列名：df['column_name']
   • 使用多个列名：df[['column_name1', 'column_name2']]
   • 使用列名范围：df.loc[:, 'start_column_name':'end_column_name']
   • 使用布尔条件选择列：df.loc[:, df.columns.str.contains('column_name')]

2. 选择行：使用行号或条件作为索引，可以使用以下方法选择一个或多个行：

   • 使用单个行号：df.iloc[row_number]
   • 使用多个行号：df.iloc[[row_number1, row_number2]]
   • 使用行号范围：df.iloc[start_row_number:end_row_number]
   • 使用布尔条件选择行：df.loc[df['column_name'] > value]

3. 同时选择行和列：可以使用行和列的索引组合，选择特定的行和列：

   • 使用行和列的索引标签：df.loc[row_label, column_label]
   • 使用行和列的索引位置：df.iloc[row_index, column_index]
   • 使用布尔条件选择行和列：df.loc[df['column_name'] > value, ['column_name1', 'column_name2']]

请注意，选择行和列时，使用的索引方法可能会有所不同。loc 方法使用索引标签，iloc 方法使用索引位置。另外，还可以使用布尔条件选择行和列。

以下是一个示例，演示如何使用这些方法选择行和列：

import pandas as pd

# 创建一个示例数据框
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 选择单个列
column_A = df['A']
print(column_A)

# 选择多个列
columns_AB = df[['A', 'B']]
print(columns_AB)

# 选择列名范围
columns_AB_range = df.loc[:, 'A':'B']
print(columns_AB_range)

# 选择布尔条件选择列
columns_contain_A = df.loc[:, df.columns.str.contains('A')]
print(columns_contain_A)

# 选择单个行
row_0 = df.iloc[0]
print(row_0)

# 选择多个行
rows_01 = df.iloc[[0, 1]]
print(rows_01)

# 选择行号范围
rows_01_range = df.iloc[0:2]
print(rows_01_range)

# 选择布尔条件选择行
rows_greater_than_2 = df.loc[df['A'] > 2]
print(rows_greater_than_2)

# 同时选择行和列
element_0_0 = df.loc[0, 'A']
print(element_0_0)

elements_01_AB = df.loc[[0, 1], ['A', 'B']]
print(elements_01_AB)

elements_greater_than_2_AB = df.loc[df['A'] > 2, ['A', 'B']]
print(elements_greater_than_2_AB)

希望对你有所帮助！