data.iloc[-1] #选取DataFrame最后一行，返回的是Series
data.iloc[-1:] #选取DataFrame最后一行，返回的是DataFrame
https://blog.csdn.net/wanglingli95/article/details/78887771
df['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型df.w #选择表格中的'w'列，使用点属性,返回的是Series类型df[['w']] #选择表格中的'w'列，返回的是DataFrame属性data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后data[1:2] #返回第2行，从0计，返回的是单行，通过有前后...
python
pandas的一个使用技巧。
Pandas
DataFrame
直接
取
一行
数据会得到Series，
如果想让结果保持原
dataframe
格式，在索引外加 [] 即可。
示例如下：
import pandas as pd
test_df = pd.
DataFrame
([[0,'a','b'],[1,'c','d'],[2,'e','f']],columns=['c1','c2','c3...
在
python
中，可以使用 Pandas 库来处理
dataframe
。可以使用
dataframe
的 loc 或 iloc 属性来获
取
dataframe
中的
一行
。
loc 属性允许你使用行标签来获
取
行，而 iloc 属性允许你使用行数来获
取
行。
下面是一个示例：
import pandas as pd
# 创建一个简单的
dataframe
df = pd.
DataFrame
({'A...
listb = [3, 3, 4,4,5]
listc = [3, 3, 4,4,6]
df1 = pd.
DataFrame
({'col1':lista,'col2':listb,'colb':listc})
print(df1)
print(df1.loc[0,:])
print(type(df1.loc[0,:]))
因为这里得到的是一维数据，结果得到的Series
然后用to_frame()
参考：http://pandas.pydata.org/pandas-docs/stable/api.html#
dataframe
data['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型
data.w #选择表格中的'w'列，使用点属性,返回的是Series类型
data[['w']] #选择表格中的'w'列，返回的是
DataFrame
类型
>>> import numpy as np
>>> import pandas as pd
>>> dfd = {11:["a","b","c"],22:["d","e","f"],33:["g","h","i"]}
>>> df = pd.
DataFrame
(dfd)
得到如下，列名为11，22，33的一个3*3矩阵
df.set_index([Column], inplace=True)
以上这篇
Python
将
DataFrame
的某
一列
作为index的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
您可能感兴趣的文章:
python
给
DataFrame
增加index行名和columns列名的实现方法用pandas中的
DataFrame
时选
取
行或列的方法
python
中pandas.
DataFrame
对行与列求和及添加新行与列示例pandas
数据处理
基础之筛选
data = pd.
DataFrame
()
series = pd.Series({"x":1,"y":2},name="a")
data = data.append(series)
print(data)
data = data.append(series)
print(data)
x y
a 1.0 2.0
x y
a 1.0 2.0
a 1.0 2.0
要计算
Python
中
DataFrame
中
一列
数据的平均值，你可以使用`mean()`函数。假设你的
DataFrame
名为`df`，需要计算的列名为`column_name`，你可以使用以下代码：
```
python
average = df['column_name'].mean()
这将返回指定列的平均值。你可以将`column_name`替换为你实际的列名。
半醒半醉日复日，花落花开年复年:
C++学习——如何增加堆栈大小来避免内存分配的问题
practical__:
C++学习——如何增加堆栈大小来避免内存分配的问题
practical__:
