#将完成分列后的数据表与原df_inner数据表进行匹配 
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True) 

2.数据提取

第五部分是数据提取，也是数据分析中最常见的一个工作。这部分重要应用三个函数，loc，iloc和ix，loc函数按标签值进行提取，iloc按地位进行提取，ix可以同时按标签和地位进行提取。下面介绍每一种函数的应用办法。

按标签提取(loc)

Loc函数按数据表的索引标签进行提取，下面的代码中提取了索引列为3的单条数据。

#按索引提取单行的数值 
df_inner.loc[3] 
id 1004 
date 2013-01-05 00:00:00 
city shenzhen 
category 110-C 
age 32 
price 5433 
gender female 
m-point 40 
pay Y 
group high 
sign NaN 
category_1 110 
size C 
Name: 3, dtype: object 

应用冒号可以限制提取数据典范围，冒号前面为开端的标签值，后面为停止的标签值。下面提取了0到5的数据行。

#按索引提取区域行数值 
df_inner.loc[0:5] 

Reset_index函数用于恢复索引，这里我们从新将date字段的日期设置为数据表的索引，并按日期进行数据提取。

#重设索引 
df_inner.reset_index() 

#设置日期为索引 
df_inner=df_inner.set_index('date') 

#应用ix按索引标签和地位混淆提取数据 
df_inner.ix[:'2013-01-03',:4] 

应用冒号限制提取数据典范围，冒号前面为空表示大年夜0开端。提取所有2013年1月4日以前的数据。

#提取4日之前的所稀有据 
df_inner[:'2013-01-04'] 

　　推荐阅读

　　看得“深”、看得“清” —— 深度学习在图像超清化的应用

日复一日的人像临摹演习使得画家可以或许仅凭几个关键特点画出完全的人脸。同样地，我们欲望机械可以或许经由过程低清图像有限的图像信息，揣摸出图像对应的高清细节，这就须要算法可以或>>>详细阅读

本文标题：像Excel一样使用python进行数据分析-(2)

地址：http://www.17bianji.com/lsqh/34976.html

 1/2    1