按地位提取(iloc)

应用iloc函数按地位对数据表中的数据进行提取，这琅绫前号前后的数字不再是索引的标签名称，而是数据地点的地位，大年夜0开端。

Excel是数据分析中最常用的对象，本篇文┞仿经由过程python与excel的功能比较介绍若何应用python经由过程函数式编程完成excel中的数据处理及分析工作。在Python中pandas库用于数据处理，我们大年夜1787页的pandas官网文档中总结出最常用的36个函数，经由过程这些函数介绍若何经由过程python完成数据生成和导入，数据清洗，预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。

#应用iloc按地位区域提取数据 
df_inner.iloc[:3,:2] 

iloc函数除了可以按区域提取数据，还可以按地位逐条提取，前面方括号中的0,2,5表示数据地点行的地位，后面方括号中的数表示地点列的地位。

#应用iloc按地位区域提取数据 
df_inner.iloc[:3,:2] 

ix是loc和iloc的混淆，既能按索引标签提取，也能按地位进行数据提取。下面代码中行的地位按索引日期设置，列按地位设置。

按前提提取(区域和前提值)

除了按标签和地位提起数据以外，还可以按具体的前提进行数据。下面应用loc和isin两个函数合营应用，按指定前提对数据进行提取 。

应用isin函数对city中的值是否为beijing进行断定。

#断定city列的值是否为beijing 
df_inner['city'].isin(['beijing']) 
 
date 
2013-01-02 True 
2013-01-05 False 
2013-01-07 True 
2013-01-06 False 
2013-01-03 False 
2013-01-04 False 
Name: city, dtype: bool 

将isin函数嵌套到loc的数据提取函数中，将断定结不雅为Ture数据提掏出来。这里我们把断定前提改为city值是否为beijing和 shanghai。如不雅是就把这条数据提掏出来。

#先断定city列里是否包含beijing和shanghai，然后将复合前提的数据提掏出来。 
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])] 

数值提取还可以完成类似数据分列的工作，大年夜归并的数值中提掏出制订的数值。

category=df_inner['category'] 
0 100-A 
3 110-C 
5 130-F 
4 210-A 
1 100-B 
2 110-A 
Name: category, dtype: object 
 
#提取前三个字符，并生成数据表 
pd.DataFrame(category.str[:3]) 

3.数据筛选

第六部分为数据筛选，应用与，或，非三个前提合营大年夜于，小于和等于对数据进行筛选，并进行计数和乞降。与excel中的筛选功能和countifs和sumifs功能类似。

　　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