1. 想要用第幾行第幾列的形式索引：
如第一行第二列
df=pd.read_csv('the_ans.csv')
print(df.iloc[1,2]) #iloc ：用position來去定位
df.iloc[ 0：5]，選擇0-5行的所有值
df.iloc[ ：, 0：2]，選擇前兩列的所有值
df.loc[0]，按索引選擇index為0的那一行的值
df.loc[0，『列名』]，選擇按索引選擇index為0那一行『列名』那列的值
有乙個資料表如下：
可以看到行標為7，列標為start的值為950，匯入到dataframe中，這個數應該表示為行5，start列,索引**如下：
#索引方式1，loc索引
df=pd.read_csv('the_ans.csv')
print(df.loc[5,'start']) #第5行，start列
#輸出結果
950process finished with exit code 0
#索引方式2，iloc索引
df=pd.read_csv('the_ans.csv')
print(df.iloc[5,1])
#輸出結果
950process finished with exit code 0
上面明明是有700，卻顯示false
檢視value：
print(gongkuang['start'].values)因此利用字串的形式進行索引：
print('判斷等於700',gongkuang['start']=='700')
value=gongkuang[(gongkuang.iloc[:,1]==700)].iloc[:,3] #等於700的這行的第三列（從0開始）數取出來
value=[float(x) for x in value] #然後再轉化為float形式
DataFrame 索引和復合索引
前面按照多個條件進行分組產生的索引是復合索引 一 索引 a 獲取index df.index b 指定index df.index c 重新設定index df.reindex a b c 注意 一般不用 d 指定某一列作為index df2 df1.set index o drop false d...
python中DataFrame多重索引問題
在python資料處理中如果實現excel透視表中的功能，則多重索引問題就比較突出了。近來為實現python自動郵件，需要對資料進行透視表功能，遇到多重索引和多表頭問題，下面總結下用法。一 多重索引 常規的單索引這裡就不多贅述了，主要來看下多索引的問題。pd.pivot table產生的多重索引問題...
Pandas中DataFrame重置索引
在pandas中，自定義索引後，有時候又需要恢復預設索引。import pandas as pd import numpy as np df pd.dataframe np.arange 20 reshape 5,4 columns a b c d dfab cd00 1231 4567 28910...