對(duì)Python中DataFrame按照行遍歷的方法

在做分類模型時(shí)候，需要在DataFrame中按照行獲取數(shù)據(jù)以便于進(jìn)行訓(xùn)練和測(cè)試。

import pandas as pd

dict=[[1,2,3,4,5,6],[2,3,4,5,6,7],[3,4,5,6,7,8],[4,5,6,7,8,9],[5,6,7,8,9,10]]

data=pd.DataFrame(dict)

print(data)

for indexs in data.index:

print(data.loc[indexs].values[0:-1])

實(shí)驗(yàn)結(jié)果：

/usr/bin/python3.4 /home/ubuntu/PycharmProjects/pythonproject/findgaoxueya/test.py

0 1 2 3 4 5

0 1 2 3 4 5 6

1 2 3 4 5 6 7

2 3 4 5 6 7 8

3 4 5 6 7 8 9

4 5 6 7 8 9 10

[1 2 3 4 5]

[2 3 4 5 6]

[3 4 5 6 7]

[4 5 6 7 8]

[5 6 7 8 9]

Process finished with exit code 0

以上這篇對(duì)Python中DataFrame按照行遍歷的方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持我們。

您可能感興趣的文章:

使用DataFrame刪除行和列的實(shí)例講解

Python中的index()方法使用教程

Python中List.index()方法的使用教程

Python將DataFrame的某一列作為index的方法

時(shí)間： 2018-04-05

index()方法返回obj出現(xiàn)在列表中最低位索引. 語(yǔ)法 以下是index()方法的語(yǔ)法: list.index(obj) 參數(shù) obj -- 這是被找到的對(duì)象 返回值 此方法返回找到的對(duì)象的索引,否則拋出一個(gè)異常,表明沒(méi)有找到對(duì)應(yīng)值 例子 下面的例子顯示了index()方法的使用 #!/usr/bin/python aList = [123, 'xyz', 'zara', 'abc']; print "Index for xyz : ", aList.index( 'xyz' )

index()方法確定字符串str,如果起始索引beg和結(jié)束索引end在末尾給出了找到字符串或字符串的一個(gè)子串.這個(gè)方法與find()方法一樣,只是如果沒(méi)有找到子符趾會(huì)拋出一個(gè)異常. 語(yǔ)法 以下是index()方法的語(yǔ)法: str.index(str, beg=0 end=len(string)) 參數(shù) str -- 此選項(xiàng)指定要搜索的字符串. beg -- 這是開(kāi)始索引,默認(rèn)情況下是 0. end -- 這是結(jié)束索引,默認(rèn)情況下它等于該字符串的長(zhǎng)度. 返回值 方法返回索引,如果找到這個(gè)str:

下面代碼實(shí)現(xiàn)了將df中的column列作為index df.set_index(["Column"], inplace=True) 以上這篇Python將DataFrame的某一列作為index的方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持我們. 您可能感興趣的文章: 對(duì)Python中DataFrame按照行遍歷的方法 使用DataFrame刪除行和列的實(shí)例講解 Python中的index()方法使用教程 Python中List.index()方法的使用

本文通過(guò)一個(gè)csv實(shí)例文件來(lái)展示如何刪除Pandas.DataFrame的行和列 數(shù)據(jù)文件名為:example.csv 內(nèi)容為: date spring summer autumn winter 2000 12.2338809 16.90730113 15.69238313 14.08596223 2001 12.84748057 16.75046873 14.51406637 13.5037456 2002 13.558175 17.2033926 15.6999475 13.23365247

用pandas中的DataFrame時(shí)選取行或列: import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.arange(3.)) data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz')) data['w'] #選擇表格中的'w'列,使用類字典屬性,返回的是S

用pandas中的DataFrame時(shí)選取行或列: import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.arange(3.)) data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz')) data['w'] #選擇表格中的'w'列,使用類字典屬性,返回的是S

有時(shí)候需要讀取一定格式的json文件為DataFrame,可以通過(guò)json來(lái)轉(zhuǎn)換或者pandas中的read_json(). import pandas as pd import json data = pd.DataFrame(json.loads(open('jsonFile.txt','r+').read()))#方法一 dataCopy = pd.read_json('jsonFile.txt',typ='frame') #方法二 pandas.read_json(path_or_buf

一.引入 /** * Description:新建一個(gè)類作為map的key */ public class Groundhog { protected int number; public Groundhog(){ } public Groundhog(int number) { this.number = number; } @Override public String toString() { return "Groundhog{" + "number=" +

numpy的delete是可以刪除數(shù)組的整行和整列的,下面簡(jiǎn)單介紹和舉例說(shuō)明delete函數(shù)用法: numpy.delete(arr, obj, axis=None) 參數(shù): arr:輸入數(shù)組 obj:切片,整數(shù),表示哪個(gè)子數(shù)組要被移除 axis:刪除子數(shù)組的軸 axis = 0:表示刪除數(shù)組的行 axis = 1:表示刪除數(shù)組的列 axis = None:表示把數(shù)組按一維數(shù)組平鋪在進(jìn)行索引刪除 返回:一個(gè)新的子數(shù)組 x = array([[1,2,3], [4,5,6], [7,8,9]])

在數(shù)據(jù)處理過(guò)程中,經(jīng)常會(huì)出現(xiàn)對(duì)某列批量做某些操作,比如dataframe df要對(duì)列名為"values"做大于等于30設(shè)置為1,小于30設(shè)置為0操作,可以這樣使用dataframe的apply函數(shù)來(lái)實(shí)現(xiàn), 具體實(shí)現(xiàn)代碼如下: def fun(x): if x >= 30: return 1 else: return 0 values= feature['values'].apply(lambda x: fun(x)) 具體的邏輯可以修改fun函數(shù)來(lái)實(shí)現(xiàn),但是按照某些條件選擇列不是

1.刪除/選取某列含有特殊數(shù)值的行 import pandas as pd import numpy as np a=np.array([[1,2,3],[4,5,6],[7,8,9]]) df1=pd.DataFrame(a,index=['row0','row1','row2'],columns=list('ABC')) print(df1) df2=df1.copy() #刪除/選取某列含有特定數(shù)值的行 #df1=df1[df1['A'].isin([1])] #df1[df1['A'].

用CSV格式來(lái)保存文件是個(gè)不錯(cuò)的主意,因?yàn)榇蟛糠殖绦蛟O(shè)計(jì)語(yǔ)言和應(yīng)用程序都能處理這種格式,所以交流起來(lái)非常方便.然而這種格式的存儲(chǔ)效率不是很高,原因是CSV及其他純文本格式中含有大量空白符;而后來(lái)發(fā)明的一些文件格式,如zip.bzip和gzip等,壓縮率則有了顯著提升. 首先導(dǎo)入模塊: In [1]: import numpy as np In [2]: import pandas as pd In [3]: from tempfile import NamedTemporaryFile In [

本文實(shí)例講述了jQuery實(shí)現(xiàn)表格行和列的動(dòng)態(tài)添加與刪除方法.分享給大家供大家參考,具體如下: 運(yùn)行效果截圖如下: 具體代碼如下:

總結(jié)

以上是生活随笔為你收集整理的python dataframe遍历_对Python中DataFrame按照行遍历的方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。