从数据框 pandas 中选择行 - Python

Pandas是一种快速，强大和灵活的开源数据分析和操作工具，非常受欢迎。在Pandas中，数据是存储在数据帧（DataFrame）对象中的，一个数据帧是一个表格，它有一些行和一些列，其中每列可以是不同的类型（整数、浮点数、字符串等）。在这篇文章中，我们将介绍如何从Pandas数据帧中选择行的不同方法。

1. 使用loc方法选择行

loc方法是通过标签选择行。我们可以通过行标签或行的条件来选择行。下面是一个示例：

import pandas as pd

# 创建数据帧
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 35],
                   'City': ['New York', 'Paris', 'London']})

# 选择第二行
row2 = df.loc[1]

# 选择年龄大于30的行
over30 = df.loc[df['Age'] > 30]

在上面的示例中，我们首先创建了一个包含姓名、年龄和城市信息的数据帧。我们使用loc方法选择了第二行，并将其存储在row2变量中。我们还使用loc方法选择年龄大于30的所有行，并将它们存储在over30变量中。

2. 使用iloc方法选择行

iloc方法是通过行索引选择行。我们可以通过行的位置或索引范围来选择行。下面是一个示例：

import pandas as pd

# 创建数据帧
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 35],
                   'City': ['New York', 'Paris', 'London']})

# 选择第二行
row2 = df.iloc[1]

# 选择第二行和第三行
rows23 = df.iloc[1:3]

在上面的示例中，我们首先创建了一个包含姓名、年龄和城市信息的数据帧。我们使用iloc方法选择了第二行，并将其存储在row2变量中。我们还使用iloc方法选择第二行和第三行，并将它们存储在rows23变量中。

3. 使用head和tail方法选择前几行和后几行

head方法用于选择前几行，tail方法用于选择后几行。下面是一个示例：

import pandas as pd

# 创建数据帧
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eric'],
                   'Age': [25, 30, 35, 40, 45],
                   'City': ['New York', 'Paris', 'London', 'Tokyo', 'Beijing']})

# 选择前三行
top3 = df.head(3)

# 选择后两行
bottom2 = df.tail(2)

在上面的示例中，我们创建了一个包含姓名、年龄和城市信息的数据帧。我们使用head方法选择了前三行，并将它们存储在top3变量中。我们还使用tail方法选择了后两行，并将它们存储在bottom2变量中。

通过以上三种方法，你可以轻松地从pandas数据帧中选择行。 在Pandas中还有很多其他方法可以选择行。您可以查阅相关文档，以获取更多有关Pandas数据帧的信息。