目录
iloc[row_index, column_index] (使用索引位置)
本人感觉：iloc和iat在新手阶段最好用（取值或者修改值）
修改对应位置的值
知道index 和列名的时候
pd.loc[3,'column_name'] = n不知道index 根据条件修改的时候
# 多个条件, 与或非 找到对应的行， 后面要改的列，最后填值
pd.loc[(pd['STATUS']=='index_name1'|(pd['STATUS']=='index_name2'),'column_name'] = n所有查询
查对应行
df[row_start_index, row_end_index]
#示例
df[0:] #第0行及之后的行，df的全部数据
df[:2] #第3行之前的数据不包含第三行 左开右闭
df[0:1] #第0行
df[1:3] #第2行到第3行（不含第4行）
df[-1:] #最后一行
df[-3:-1] #倒数第3行和倒数第2行,因为没有-0,所以没有最后一行使用索引值取对应位置的元素值
df.loc[index,column]
#示例
data2.loc['a','segments_name'] # 上面提到的直接取值
data2.loc['a',['segments_name','cnt_case_with_segment']] # 一行两列转置成个列表
data2.loc['a':'c',['segments_name','cnt_case_with_segment']] #选取第1行到第3行的数据, 这里面是全闭区间 这里生成dataframe
data.loc[data['gender']=='m','name'] #选取gender列是m，name列的数据
data.loc[data['gender']=='M',['name','age']] #选取gender列是m，name和age列的数据loc 修改
df.loc['a','name'] = 'aa' #修改index为‘a’，column为‘name’的那一个值为aa。
df.loc['a'] = ['bb','ff',11] #修改index为‘s’的那一行的所有值。
df.loc['a',['name','age']] = ['bb',11] #修改index为‘a’，column为‘name’的那一个值为bb，age列的值为11。iloc[row_index, column_index] (使用索引位置)
data2.iloc[0,0] #第1行第1列的数据
data2.iloc[1,2] #第2行第3列的数据
data2.iloc[[1,3],0:2]#第2行和第4行，从第1列到第2列（左闭右开不包含第3列）的数据
data2.iloc[1:3,[1,2]] #第2行到第3行（不包含第1,4行），第2列和第3列的数据iloc 修改
df.iloc[1,2] = 19 #修改一无素
df.iloc[:,2] = [11,22,33] #修改一整列
df.iloc[0,:] = ['lily','F',15] #修改一整行.at .iat .ix
#at函数(使用索引值访问单个元素)
df.at['a','A']
#iat函数(使用索引位置访问单个元素)
df.iat[0,0]
#ix函数(loc与iloc的混合) 切片索引+普通索引同时使用时候的交叉索引
df.ix[0:2,'A':'C']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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/103237.html
