Cetak kolom dan baris python

Question

Anda dapat memilih dan mendapatkan baris, kolom, dan elemen di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7 dan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dengan mengindeks operator (tanda kurung siku)

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9

Table of Contents Show

Pilih kolom print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _1. Dapatkan satu kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _8
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan satu atau beberapa kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
Pilih baris print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _6. Dapatkan satu atau beberapa baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8
print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 2. Dapatkan nilai dari satu elemen
print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8
print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 5. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8
print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 elemen sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8
Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
Perhatikan bahwa nama baris dan kolom adalah bilangan bulat
Bagaimana cara mencetak baris dan kolom dengan Python?
Bagaimana cara mencetak semua baris dan kolom di Pandas?
Bagaimana Anda mencetak jumlah kolom dan baris dengan Python?
Bagaimana Anda mencetak baris dengan Python?

Artikel ini menjelaskan konten berikut

Pilih kolom

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_1. Dapatkan satu kolom sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_2

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_3. Dapatkan satu atau beberapa kolom sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_4

Pilih baris

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_6. Dapatkan satu atau beberapa baris sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_4

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_8. Dapatkan

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_9 baris sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

4

Pilih elemen

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8

print(df.loc[:, 'age':'state'])
print(type(df.loc[:, 'age':'state']))
#          age state
# name              
# Alice     24    NY
# Bob       42    CA
# Charlie   18    CA
# Dave      68    TX
# Ellen     24    CA
# Frank     30    NY
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:, [2, 0]])
print(type(df.iloc[:, [2, 0]]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

2. Dapatkan nilai dari satu elemen

print(df.loc[:, 'age':'state'])
print(type(df.loc[:, 'age':'state']))
#          age state
# name              
# Alice     24    NY
# Bob       42    CA
# Charlie   18    CA
# Dave      68    TX
# Ellen     24    CA
# Frank     30    NY
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:, [2, 0]])
print(type(df.iloc[:, [2, 0]]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_3. Dapatkan elemen tunggal atau ganda sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_2

print(df.loc[:, 'age':'state'])
print(type(df.loc[:, 'age':'state']))
#          age state
# name              
# Alice     24    NY
# Bob       42    CA
# Charlie   18    CA
# Dave      68    TX
# Ellen     24    CA
# Frank     30    NY
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:, [2, 0]])
print(type(df.iloc[:, [2, 0]]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

5. Dapatkan elemen tunggal atau ganda sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_2

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_8. Dapatkan

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_9 elemen sebagai

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

2

Pilih elemen

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7

Perhatikan bahwa nama baris dan kolom adalah bilangan bulat

Anda juga dapat memilih kolom menurut irisan dan baris menurut nama/nomornya atau daftarnya dengan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

1 dan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2

panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

File CSV berikut digunakan dalam kode contoh ini

sample_pandas_normal. csv

import pandas as pd

print(pd.__version__)
# 1.4.1

df = pd.read_csv('data/src/sample_pandas_normal.csv', index_col=0)
print(df)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

sumber.

Tautan Bersponsor

Pilih kolom print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _1. Dapatkan satu kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _8

Anda bisa mendapatkan kolom sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_8 dengan menentukan nama kolom (label) di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

sumber.

Anda juga dapat menentukan nama kolom sebagai atribut, seperti

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

8. Perhatikan bahwa jika nama kolom bertentangan dengan nama metode yang sudah ada, metode tersebut akan didahulukan

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan satu atau beberapa kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan banyak kolom sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7 dengan menentukan daftar nama kolom di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9. Kolom akan berada dalam urutan daftar yang ditentukan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

sumber.

Jika Anda menentukan daftar dengan satu elemen, satu kolom

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7 dikembalikan, bukan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

_

sumber.

Anda juga dapat menentukan potongan nama kolom dengan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

1 atau nomor kolom dengan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2. Lihat artikel berikut untuk detailnya

panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df.loc[:, 'age':'state'])
print(type(df.loc[:, 'age':'state']))
#          age state
# name              
# Alice     24    NY
# Bob       42    CA
# Charlie   18    CA
# Dave      68    TX
# Ellen     24    CA
# Frank     30    NY
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:, [2, 0]])
print(type(df.iloc[:, [2, 0]]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

sumber.

Pilih baris print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _6. Dapatkan satu atau beberapa baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan banyak baris sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7 dengan menentukan potongan di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

sumber.

Anda dapat menentukan nilai negatif dan

# print(df[1])
# KeyError: 1

2 (

# print(df[1])
# KeyError: 1

3) seperti pada irisan normal. Misalnya, Anda dapat menggunakan irisan untuk mengekstrak baris ganjil atau genap

Cara mengiris daftar, string, tuple dengan Python

print(df[:-3])
print(type(df[:-3]))
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# <class 'pandas.core.frame.DataFrame'>

print(df[::2])
print(type(df[::2]))
#          age state  point
# name                     
# Alice     24    NY     64
# Charlie   18    CA     70
# Ellen     24    CA     88
# <class 'pandas.core.frame.DataFrame'>

print(df[1::2])
print(type(df[1::2]))
#        age state  point
# name                   
# Bob     42    CA     92
# Dave    68    TX     70
# Frank   30    NY     57
# <class 'pandas.core.frame.DataFrame'>

sumber.

Kesalahan dimunculkan jika nomor baris ditentukan sendiri, bukan potongan

# print(df[1])
# KeyError: 1

sumber.

Jika hanya satu baris yang dipilih,

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7 dikembalikan, bukan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8

print(df[1:2])
print(type(df[1:2]))
#       age state  point
# name                  
# Bob    42    CA     92
# <class 'pandas.core.frame.DataFrame'>

sumber.

Anda juga dapat menentukan potongan nama baris (label) alih-alih nomor baris (posisi). Dalam kasus irisan dengan nama baris, baris

# print(df[1])
# KeyError: 1

6 disertakan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_0

sumber.

Anda dapat menentukan nama/nomor baris saja atau daftarnya dengan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

1 atau

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2. Lihat artikel berikut untuk detailnya

panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_1

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Dengan menentukan array boolean (

print(df[1:2])
print(type(df[1:2]))
#       age state  point
# name                  
# Bob    42    CA     92
# <class 'pandas.core.frame.DataFrame'>

2 atau

print(df[1:2])
print(type(df[1:2]))
#       age state  point
# name                  
# Bob    42    CA     92
# <class 'pandas.core.frame.DataFrame'>

_3) di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9, Anda dapat mengekstrak baris

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

9 sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_2

sumber.

Kesalahan dimunculkan jika jumlah elemen tidak cocok

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_3

sumber.

Anda juga dapat menentukan boolean

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8. Baris diekstrak berdasarkan label, bukan urutan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_4

sumber.

Kesalahan dimunculkan jika jumlah elemen atau label tidak cocok

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_5

sumber.

Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Gunakan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_8 berikut sebagai contoh

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_6

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 2. Dapatkan nilai dari satu elemen

Anda bisa mendapatkan nilai elemen dengan menentukan label/posisi (indeks) saja. Saat menentukan berdasarkan posisi (indeks), nilai negatif dapat digunakan untuk menentukan posisi dari akhir.

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_01 adalah ekornya

Anda juga dapat menentukan nama label sebagai atribut, seperti

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

02. Perhatikan bahwa jika nama label bertentangan dengan nama metode yang ada, metode tersebut akan diutamakan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_7

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Anda dapat memilih beberapa nilai sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dengan menentukan daftar label/posisi. Elemen akan berada dalam urutan daftar yang ditentukan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_8

sumber.

Jika daftar dengan satu elemen ditentukan,

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dikembalikan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_9

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 5. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Anda juga dapat memilih beberapa nilai sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dengan menentukan potongan label/posisi. Dalam hal nama label, elemen

# print(df[1])
# KeyError: 1

6 disertakan

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

0

sumber.

Jika satu elemen dipilih,

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dikembalikan

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

1

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 elemen sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Dengan menentukan array boolean (

print(df[1:2])
print(type(df[1:2]))
#       age state  point
# name                  
# Bob    42    CA     92
# <class 'pandas.core.frame.DataFrame'>

2 atau

print(df[1:2])
print(type(df[1:2]))
#       age state  point
# name                  
# Bob    42    CA     92
# <class 'pandas.core.frame.DataFrame'>

_3) di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

9, Anda dapat mengekstrak elemen

print(df[['age']])
print(type(df[['age']]))
#          age
# name        
# Alice     24
# Bob       42
# Charlie   18
# Dave      68
# Ellen     24
# Frank     30
# <class 'pandas.core.frame.DataFrame'>

9 sebagai

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

2

sumber.

Kesalahan dimunculkan Jika jumlah elemen tidak cocok

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

3

sumber.

Anda juga dapat menentukan boolean

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8. Elemen diekstrak berdasarkan label, bukan urutan

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

4

sumber.

Kesalahan dimunculkan jika jumlah elemen atau label tidak cocok

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

5

sumber.

Tautan Bersponsor

Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan nilai elemen dari

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7 dengan mengekstraksi

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 dari

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

7 dan kemudian mendapatkan nilai dari

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8 itu

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

6

sumber.

Anda juga dapat mengekstrak grup apa pun berdasarkan irisan atau daftar

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

7

sumber.

Namun, cara ini (

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_26) disebut pengindeksan berantai dan dapat menghasilkan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

27 saat menetapkan nilai

Anda dapat memilih baris atau kolom sekaligus dengan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

28,

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

29,

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

1, atau

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2

panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

8

sumber.

Perhatikan bahwa nama baris dan kolom adalah bilangan bulat

Berhati-hatilah saat nama baris dan kolom adalah bilangan bulat

Gunakan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_7 berikut sebagai contoh

print(df.age)
print(type(df.age))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_9

sumber.

Jika

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_33 atau

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

34, nilai yang ditentukan dianggap sebagai nama kolom

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

0

sumber.

Jika

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_35, nilai yang ditentukan dianggap sebagai nomor baris, bukan nama baris. Nilai negatif juga diperbolehkan

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_1

sumber.

Gunakan

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

_1 atau

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2 untuk menentukan dengan jelas apakah itu nama (label) atau nomor (posisi)

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_2

sumber.

Untuk

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_3

sumber.

Di

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

8, nilai yang ditentukan dianggap sebagai label, bukan indeks

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_4

sumber.

Gunakan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_28 atau

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

29 untuk menentukan dengan jelas apakah itu label atau indeks

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

5

sumber.

Perhatikan bahwa jika Anda menentukan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_42, itu dianggap sebagai label bernama

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

01, bukan ekor. Anda dapat menggunakan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_29

print(df[['point', 'age']])
print(type(df[['point', 'age']]))
#          point  age
# name               
# Alice       64   24
# Bob         92   42
# Charlie     70   18
# Dave        70   68
# Ellen       88   24
# Frank       57   30
# <class 'pandas.core.frame.DataFrame'>

_6

sumber.

Jadi, lebih baik menggunakan

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

_28,

print(df['age'])
print(type(df['age']))
# name
# Alice      24
# Bob        42
# Charlie    18
# Dave       68
# Ellen      24
# Frank      30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

29,

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

1, atau

print(df[1:4])
print(type(df[1:4]))
#          age state  point
# name                     
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# <class 'pandas.core.frame.DataFrame'>

2 ketika nama baris atau kolom adalah bilangan bulat

Bagaimana cara mencetak baris dan kolom dengan Python?

3 Cara Mudah Mencetak Nama Kolom dengan Python .

Menggunakan panda. kerangka data. kolom untuk mencetak nama kolom dengan Python. .

Menggunakan panda. kerangka data. kolom. .

Metode Python sort() untuk mendapatkan nama kolom. Metode Python sort() dapat digunakan untuk mendapatkan daftar nama kolom dari kerangka data dalam urutan kolom yang menaik

Bagaimana cara mencetak semua baris dan kolom di Pandas?

Untuk menampilkan semua kolom di Pandas, kita dapat mengatur opsi. pd. option_context - tampilan. max_columns menjadi Tidak Ada . Ini akan menampilkan semua kolom di DataFrame saat ini.

Bagaimana Anda mencetak jumlah kolom dan baris dengan Python?

Gunakan DataFrame. sum() untuk mendapatkan jumlah/total DataFrame untuk baris dan kolom, untuk mendapatkan jumlah total kolom gunakan param sumbu=1. Secara default, metode ini menggunakan axis=0 yang artinya menjumlahkan baris.

Bagaimana Anda mencetak baris dengan Python?

Metode print() dalam Python secara otomatis mencetak di baris berikutnya setiap saat . Metode print() secara default membawa penunjuk ke baris berikutnya.

kode python