Python数据分析基础与应用电子活页4-3使用列索引操作DataFrame

Python数据分析基础与应用模块电子活页4-3使用行索引操作DataFrame【技能训练4-7】使用行索引操作DataFrame【训练要求】。【实施过程】1．使用loc[]属性基于标签索引选取DataFrame中的数据（1）选取DataFrame中的单行数据代码如下：importpandasaspddata1={'name':pd.Series(['安静','路远','温暖','向北'],index=['stu1','stu2','stu3','stu4']),'age':pd.Series([21,20,19,22],index=['stu1','stu2','stu3','stu4']),'score':pd.Series([86.0,82.5,95.0,90.5],index=['stu1','stu2','stu3','stu4'])}df1=pd.DataFrame(data1)print(df1)输出结果：nameagescorestu1安静2186.0stu2路远2082.5stu3温暖1995.0stu4向北2290.5代码如下：#选取1行数据print(df1.loc['stu2'])输出结果：name路远age20score82.5Name:stu2,dtype:object（2）选取DataFrame中的多行数据代码如下：importpandasaspddata2={'name':['安静','路远','温暖','向北'],'age':[21,20,19,22],'score':[86.0,82.5,95.0,90.5]}label1=['stu1','stu2','stu3','stu4']df1=pd.DataFrame(data2,index=label1)#对多行进行操作print(df1.loc['stu1':'stu3',:])#输出结果与df1.loc['stu1':'stu3']的相同输出结果：nameagescorestu1安静2186.0stu2路远2082.5stu3温暖1995.0（3）选取DataFrame中的多列数据代码如下：print(df1.loc[:,['name','score']])输出结果：namescorestu1安静86.0stu2路远82.5stu3温暖95.0stu4向北90.5（4）选取DataFrame中的部分行的部分列数据代码如下：print(df1.loc[['stu1','stu3'],['name','score']])输出结果：namescorestu1安静86.0stu3温暖95.0代码如下：data3=[['安静','女',21,86.0],['路远','男',20,82.5],['温暖','男',19,95.0],['向北','女',22,90.5]]df2=pd.DataFrame(data3,index=['stu1','stu2','stu3','stu4'],columns=['name','sex','age','score'])print(df2.loc[['stu1','stu3'],['name','score']])输出结果：namescorestu1安静86.0stu3温暖95.02．使用iloc[]属性基于整数索引选取DataFrame中的数据（1）选取DataFrame中的单行数据通过将数据行的索引传递给iloc[]属性，可以实现数据行选取。代码如下：print(df2.iloc[2])输出结果：name温暖sex男age19score95.0Name:stu3,dtype:object（2）选取DataFrame中的多行数据代码如下：#选择行索引值为1、2的两行数据print(df2.iloc[1:3,:])输出结果：namesexagescorestu2路远男2082.5stu3温暖男1995.0（3）选取DataFrame中的多列数据代码如下：#选择列索引值为1、2的两列数据print(df2.iloc[:,1:3])输出结果：sexagestu1女21stu2男20stu3男19stu4女22（4）选取DataFrame中的部分行的部分列数据代码如下：#选择行索引值为1、3，列索引值为0、3的数据print(df2.iloc[[1,3],[0,3]])输出结果：namescorestu2路远82.5stu4向北90.53．通过切片操作选取DataFrame中的多行数据代码如下：#选择第2行和第3行数据print(df2[1:3])输出结果：namesexagescorestu2路远男2082.5stu3温暖男1995.0代码如下：#选择第1行和第3行数据print(df2.iloc[0:4:2])输出结果：namesexagescorestu1安静女2186.0stu3温暖男1995.0【说明】iloc[0:4:2]属性中数组切片0:4:2表示起始值是0，终止值是4（不包含4），步长是2，所取数据的行索引值分别为0和2。4．DataFrame对象添加数据行（1）使用loc[]属性结合标签索引添加数据行代码如下：importpandasaspddf3=pd.DataFrame([['安静','女',21,86.0],['路远','男',20,82.5]],columns=['name','sex','age','score'],index=['stu1','stu2'])df3.loc['stu3']=['温暖','男',19,95.0]print(df3)输出结果：namesexagescorestu1安静女2186.0stu2路远男2082.5stu3温暖男1995.0（2）使用iloc[]属性结合整数索引添加数据行代码如下：df3.iloc[2]=['温暖','男',19,95.0]print(df3)输出结果：namesexagescorestu1安静女2186.0stu2路远男2082.5stu3温暖男1995.0（3）使用append()函数将新的数据行添加到DataFrame对象中代码如下：importpandasaspddf4=pd.DataFrame([['安静','女',21,86.0],['路远','男',20,82.5]],columns=['name','sex','age','score'])df5=pd.DataFrame([['温暖','男',19,95.0],['向北','女',22,90.5]],columns=['name','sex','age','score'])#在行末追加新数据行df6=df4.append(df5)print(df6)输出结果：namesexagescore0安静女2186.01路远男2082.50温暖男1995.01向北女2290.55．删除数据行（1）使用drop()函数结合行索引删除一行数据代码如下：importpandasaspddata7={'name':['安静','路远','温暖','向北'],'age':[21,20,19,22],'score':[86.0,82.5,95.0,90.5]}df7=pd.DataFrame(data7)#对一行进行操作df8=df7.drop(0)print(df8)输出结果：nameagescore1路远2082.52温暖1995.03向北2290.5上述代码中，通过drop(0)删除了一行数据。（2）使用drop()函数结合行索引删除多行数据代码如下：#对多行进行操作df8=df7.drop([0,2])print(df8)输出结果：nameagescore1路远2082.53向北22