Python Pandas DataFrame.ix[ ]用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的Python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas DataFrame.ix[ ]是基于Label和Integer的切片技术。除了基于纯标签和基于整数的方法外，Pandas还提供了一种混合方法，用于选择和设置对象的子集。ix[]操作员。ix[]是最通用的索引器，将支持loc[]和iloc[]。

用法： DataFrame.ix[ ]

参数：
索引位置：行在整数或整数列表中的索引位置。
索引标签：行的索引标签的字符串或字符串列表

返回： DataFrame 或系列取决于参数

代码1：

# importing pandas package  
import pandas as geek 
    
# making data frame from csv file 
data = geek.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")   
    
# Integer slicing 
print("Slicing only rows(till index 4):") 
x1 = data.ix[:4, ] 
print(x1, "\n") 
   
print("Slicing rows and columns(rows=4, col 1-4, excluding 4):") 
x2 = data.ix[:4, 1:4] 
print(x2)

输出：

代码2：

# importing pandas package  
import pandas as geek 
    
# making data frame from csv file 
data = geek.read_csv("nba.csv")   
    
# Index slicing on Height column 
print("After index slicing:") 
x1 = data.ix[10:20, 'Height'] 
print(x1, "\n") 
  
# Index slicing on Salary column 
x2 = data.ix[10:20, 'Salary'] 
print(x2)

输出：

代码3：

# importing pandas and numpy 
import pandas as pd 
import numpy as np 
   
df = pd.DataFrame(np.random.randn(10, 4), 
          columns = ['A', 'B', 'C', 'D']) 
  
print("Original DataFrame:\n" , df) 
   
# Integer slicing 
print("\n Slicing only rows:") 
print("--------------------------") 
x1 = df.ix[:4, ] 
print(x1) 
   
print("\n Slicing rows and columns:") 
print("----------------------------") 
x2 = df.ix[:4, 1:3] 
print(x2)

输出：

代码4：

# importing pandas and numpy 
import pandas as pd 
import numpy as np 
   
df = pd.DataFrame(np.random.randn(10, 4), 
          columns = ['A', 'B', 'C', 'D']) 
  
print("Original DataFrame:\n" , df) 
   
# Integer slicing (printing all the rows of column 'A') 
print("\n After index slicing (On 'A'):") 
print("--------------------------") 
x = df.ix[:, 'A'] 
  
print(x)

输出：

相关用法

注：本文由纯净天空筛选整理自ArkadipGhosh大神的英文原创作品 Python | Pandas DataFrame.ix[]。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。