【数据分析】数据筛选与访问行列元素3

访问元素

.loc属性可以通过传入index的值访问行数据。

.loc属性允许传入两个参数，分别是index的值和columns的值，参数间用“逗号”隔开，这样便可以访问数据中的元素。

1. 访问单个元素

访问单个元素比较简单，只需要通过它的index和columns就可以进行定位。

访问单个元素，需要依次将它的index的值和columns的值传入.loc的中括号里，用“逗号”隔开。 格式：.loc[index的值,columns的值]

import pandas as pd # 使用pd.read_csv()函数读取CSV文件 # 并通过参数index_col来指定"order_id"列为index # 将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv", index_col="order_id") # 使用print()和.loc属性输出data变量里：index为3515712,columns为"payment"对应的元素 print(data.loc[3515712,"payment"])

218378912

总结：访问变量data中的单个数据的格式是：data.loc[index的值，columns的值]

2. 访问多个元素

同理，如果想访问多个元素，我们只需要找到它们对应的index和columns即可。

如果想访问多个元素，我们可以使用.loc属性结合切片或列表进行访问，组合情况较多。 格式：.loc[index切片或列表，columns切片或列表]

import pandas as pd # 使用pd.read_csv()函数读取CSV文件 # 并通过参数index_col来指定"order_id"列为index # 将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv", index_col="order_id") # 使用print()和.loc属性输出data变量里：index为3515712到3515714,columns为"payment"对应的元素 print(data.loc[3515712:3515714,"payment":"items_count"])

总结：

按照index的值访问行数据

访问DataFrame对象中的.loc属性可以按照index的值访问行数据。
1.访问某一行：.loc[index的值]
2.访问连续的某几行：.loc[起点index的值:结束index的值]，包含结束index这一行值
3.访问不连续的某几行：.loc[[第一个index的值,第二个index的值,...]]
4.访问单个元素：.loc[index的值,columns的值]
5.访问多个元素：.loc[index切片或列表，columns切片或列表]

上面，用.loc属性和index的值访问行数据。

其实，除了通过index的值去定位，我们还可以通过"第几行"去定位行数据。下面，通过学习.iloc属性和行数据的位置来访问行数据。

访问行数据

.iloc属性是基于数据的整数索引，也就是数据的具体位置，来定位具体的行。索引是从0开始，所以，第1行对应的整数索引就是0。

1.访问某一行

格式：.iloc[index的位置]

如果要通过行数据所在的具体位置来访问某一行数据，需要将这一行的整数索引传入.iloc属性的中括号里。

Like：访问第1行（对应的整数索引是0）；访问第3行（对应的整数索引是2）

# 导入pandas模块，并以"pd"为该模块的简写 import pandas as pd # 读取CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和.iloc属性输出data变量里第四行的数据 print(data.iloc[3])

id                           4 order_id               3515715 user_id               46519215 payment                   8500 price                     8500 items_count                  4 cutdown_price                0 post_fee                     0 pay_type                   202 create_time      2018/2/1 0:05 pay_time         2018/2/1 0:05 Name: 3, dtype: object

总结：通过行位置来访问某一行的数据需要使用：.iloc[index]。其中，index是（具体位置-1）。

2.访问连续的某几行

格式：.iloc[index起点位置:index结束位置]

PS：如果想获取连续的几行数据时，我们也可以使用.iloc属性和 切片 进行访问。

示例中，访问第2行到第4行（索引是1到3）的代码data.iloc[1:4]。

注意：和之前不一样，使用.iloc属性的切片，不包含结束index的值。

# 导入pandas模块，并以"pd"为该模块的简写 import pandas as pd # 读取CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和.iloc属性输出data变量里第2行到第4行的数据 print(data.iloc[1:4])

2.访问不连续的某几行

格式：.iloc[[index1的位置,index2的位置,...]]

如果要访问多行不连续的数据，需要将包含这几行对应的整数索引列表传入 .iloc属性的 中括号 里。

# 导入pandas模块，并以"pd"为该模块的简写 import pandas as pd # 使用pd.read_csv()函数读取路径为 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # TODO 使用print()和.iloc属性输出data变量里第2行、第145行和第276行的数据 print(data.iloc[[1,144,275]])

Ps：值得注意的是，访问多行数据时，因为传入了列表，所以有两对中括号。

总结：通过行位置访问数据中不连续的某几行需要使用：.iloc[[index1,index2,...]]。

访问元素

前面我们学习了.iloc属性通过传入index的位置访问行数据。

当然，.iloc属性也允许传入两个参数，分别是index的位置和columns的位置，参数间用“逗号”隔开，这样便可以访问数据中的元素。

1. 访问单个元素 格式：.iloc[index的位置,columns的位置] 访问单个元素，需要依次将其index的位置和columns的位置传入.iloc的中括号里，用“逗号”隔开。

import pandas as pd # 读取CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和.iloc属性输出data变量里：第5行，第2列对应的元素 print(data.iloc[4,1])

总结：位置访问变量data中的单个数据的格式是：data.iloc[index的位置，columns的位置]

2. 访问多个元素 .iloc[index位置切片或列表，columns位置切片或列表] 如果想访问多个元素，我们也可以使用.iloc属性结合切片或列表进行访问，组合情况较多。

import pandas as pd # 读取CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和.loc属性输出data变量里：第1，3行，第3，5列对应的元素 print(data.iloc[[0,2],[2,4]]) 结果：

示例：

这三行代码读取了路径为 "/Users/yequ/电商数据清洗.csv" 的文件。 最后，输出了第2，4行，第5，6列对应的多个元素。

import pandas as pd data = pd.read_csv("/Users/yequ/电商数据清洗.csv") print(data.iloc[[1,3],[4,5]])

总结：

按照行位置访问行数据

访问DataFrame对象中的.iloc属性可以按照行位置对应的整数索引访问行数据。
1.访问某一行：.iloc[index]
2.访问连续的某几行：.iloc[起点index:结束index]，不包含结束index这一行数据
3.访问不连续的某几行：.iloc[[index1,index2,...]]
4.访问单个元素：.iloc[index的位置,columns的位置]
5.访问多个元素：.iloc[index位置切片或列表，columns位置切片或列表]

以上为：如何使用列索引和行索引来分别获取列数据和行数据的全部内容。