今天給大家展示的是一份從2007到2020年的各個(gè)省份各個(gè)季度的離婚情況表，表結(jié)構(gòu)如下(截取部分)：　　

　　我們通過操作這張表，學(xué)習(xí)DataFrame的索引、切片和一些算術(shù)操作。我們知道DataFrame是一個(gè)二維的數(shù)據(jù)結(jié)構(gòu)，我們學(xué)習(xí)過Series的索引和切片，只不過它是一個(gè)一維的。但是兩者在使用上還是很類似的。

　　#### 索引

　　DataFrame是否也有這些呢？我們通過**2007-2020全國(guó)結(jié)婚離婚數(shù)據(jù).csv**這個(gè)數(shù)據(jù)表來去看一下。

　　```python

　　import numpy as np

　　import pandas as pd

　　import matplotlib.pyplot as plt

　　%matplotlib inline

　　data = pd.read_csv('2007-2020全國(guó)結(jié)婚離婚數(shù)據(jù).csv')

　　# 因?yàn)樵诹忻旅嬗幸粋€(gè)空行我們刪除掉

　　data = data.dropna()

　　# 獲取2020年第一季度結(jié)婚數(shù) (即某一列數(shù)據(jù))

　　data['2020年第1季度結(jié)婚登記']

　　data數(shù)據(jù)如下所示：　　

　　# 獲取北京市2007-2020年的所有數(shù)據(jù)(即一行數(shù)據(jù))

　　data[3] # 使用行標(biāo)簽3是否可以呢?

　　```

　　此時(shí)有報(bào)錯(cuò)：KeyError: 3，因此對(duì)于DataFrame來說，我們不能直接使用索引值訪問行。

　　所以我們分別從**行和列**兩個(gè)方面給大家介紹索引訪問,先來看一張表格

　　| | 顯式訪問 | 隱式訪問 |

　　| ---- | ------------------------------------------------------------ | ------------------------------------------------------------ |

　　| | 即使用index的值進(jìn)行索引(如果在讀取csv，excel文件的時(shí)候沒有指明列名，則默認(rèn)是數(shù)字1～n) | 使用整數(shù)作為索引值(從0開始，默認(rèn)向后數(shù)) |

　　| 行 | df.loc[行的名字] **獲取單行** 如： df.loc[3] df.loc['北京市'] | df.iloc[row_index] **獲取單行** 如： df.iloc[2] |

　　| | df.loc[[行名1,行名2,行名3,....]] **獲取不連續(xù)多行** 如： df.loc[[3,4,5,6]] df.loc[['北京市','天津市','上海市']] | df.iloc[row_index_list] **獲取不連續(xù)多行 ** 如：df.iloc[[2,3,7,9]] |

　　| | df.loc[行名1:行名2] **獲取連續(xù)多行** 如：df.loc['北京市':'吉林省'] 但是行也可以按照如下形式獲?。?df['行名1':'行名2':'步長(zhǎng)'] 指定步長(zhǎng)獲取 | df.iloc[start:end] **獲取連續(xù)多行 ** 如：df.iloc[3:9] |

　　| 列 | df[列名] **單列訪問** 如：df['2020年第1季度結(jié)婚登記'] | df.iloc[:,col_loc] **單列訪問** 如：df.iloc[:,3] |

　　| | df[[列名1,列名2,....]] **不連續(xù)多列訪問** 如：df.[['2020年第1季度結(jié)婚登記','2020年第2季度結(jié)婚登記']] | df.iloc[:,col_loc_list] **不連續(xù)多列訪問** 如：df.iloc[:,[3,5,7]] |

　　| | | df.iloc[:,start：end:step] **連續(xù)多列訪問** 如：df.iloc[:,3:8] 如果獲取的指定某些行或者某些列可以按照如下方式： df.iloc[row_start:row_end:step,col_start:col_end:step] |

　　**顯式訪問**具體效果展示：

　　```python

　　import numpy as np

　　import pandas as pd

　　import matplotlib.pyplot as plt

　　%matplotlib inline

　　# 將表格的第一列設(shè)置為行索引,添加index_col=0

　　data = pd.read_csv('2007-2020全國(guó)結(jié)婚離婚數(shù)據(jù).csv',index_col=0)

　　data = data.dropna()

　　# 顯式獲取指定列

　　col1 = data['2007年第1季度結(jié)婚登記']

　　print(col1)

　　# 顯式獲取指定行

　　row1 = data.loc['上海市']

　　print(row1)

　　# 顯式獲取多個(gè)指定列

　　col_list = data[['2007年第1季度結(jié)婚登記','2007年第2季度結(jié)婚登記','2007年第3季度結(jié)婚登記']]

　　print(col_list)

　　# 顯式獲取多個(gè)指定行

　　row_list = data.loc[['北京市','上海市','天津市']]

　　print(row_list)

　　```　　

　　我們知道隱式索引，行和列都是使用默認(rèn)的整數(shù)作為索引值(從0開始，默認(rèn)向后數(shù))，即　　

　　對(duì)于數(shù)字我們是看不到的，所以我們稱為隱式。

　　列的訪問使用的是： iloc[行,列] 行或者列位置如果使用【：】則表示獲取所有的行或者所有的列。

　　**隱式訪問**具體效果展示：

　　```

　　# 單行的獲取

　　row1 = data.iloc[3]

　　print(row1)

　　# 多行獲取

　　row_list = data.iloc[[3,5,7,9]]

　　print(row_list)

　　# 單列獲取

　　col = data.iloc[:,3]

　　print(col)

　　# 多列獲取 (不連續(xù)的列)

　　col_list = data.iloc[:,[2,4,6]]

　　print(col_list)

　　```

　　數(shù)據(jù)比較多，這里就不給大家截圖展示了。

　　更多關(guān)于“Python 培訓(xùn)”的問題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學(xué)，課程大綱緊跟企業(yè)需求，更科學(xué)更嚴(yán)謹(jǐn)，每年培養(yǎng)泛IT人才近2萬人。不論你是零基礎(chǔ)還是想提升，都可以找到適合的班型，千鋒教育隨時(shí)歡迎你來試聽。

　　注：本文部分文字和圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除。版權(quán)歸原作者所有!