本文主要分享的是在实际项目中如何对采集的质量监控数据进行实时预警。今天我们将介绍如何从dataframe中获取所需的行或列，主要涉及loc方法的使用。以下是详细的操作步骤和示例：
第一部分：构建一个DataFrame
DataFrame可以视为一个具有行标题和列标题的二维表格。以下是一个通过字典构建DataFrame的示例，并通过index参数指定行名称：
import pandas as pddict1 = {"a": [1, 3, 5, 6], "b": [11, 12, 15, 16], "c": [22, 27, 29, 30], "d": [82, 87, 89, 80]}df = pd.DataFrame(dict1, index=["x", "y", "z", "q"])print("df= n", df)
运行结果：
第二部分：行操作
使用loc属性进行行操作。loc后紧跟[行，列]，其中中括号中放入所需的行索引和列索引。如果不需要筛选列，可以省略列信息部分。多行可以使用列表或切片操作：
df1 = df.loc[["x", "q"]]print("ndf1= n", df1)df11 = df.loc["x":"z"]print("ndf11= n", df11)
运行结果：
第三部分：列操作
使用loc属性进行列操作。[:，列]中，行部分使用:表示所有行，只筛选列信息。多列可以使用列表或切片操作：
df2 = df.loc[:, ["a", "c"]]print("ndf2= n", df2)df22 = df.loc[:, "a":"c"]print("ndf22= n", df22)
运行结果：
第四部分：行列混合操作
行列混合操作是前两种操作的综合，[行，列]中同时指定行和列信息。多行或多列时，可以使用列表或切片操作：
df3 = df.loc[["x", "q"], ["a", "d"]]print("ndf3= n", df3)df33 = df.loc["x": "z", "a":"c"]print("ndf33= n", df33)
运行结果：
以上就是【项目实战】自监控-06-DataFrame行列操作（上篇）的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/95325.html
微信扫一扫 
支付宝扫一扫 
