獲取 Dataframe Pandas 的第一行

Suraj Joshi 2023年1月30日 2021年1月22日
  1. 使用 pandas.DataFrame.iloc 屬性獲取 Pandas DataFrame 的第一行
  2. 根據指定的條件從 Pandas DataFrame 中獲取第一行
獲取 Dataframe Pandas 的第一行

本教程介紹瞭如何使用 pandas.DataFrame.iloc 屬性和 pandas.DataFrame.head() 方法從 Pandas DataFrame 中獲取第一行。

我們將在下面的例子中使用以下 DataFrame 來解釋如何從 Pandas DataFrame 中獲取第一行。

import pandas as pd


df = pd.DataFrame({
    'C_1': ["A","B","C","D"],
    'C_2':  [40,34,38,45],
    'C_3': [430, 980, 200, 350],
})

print(df)

輸出:

  C_1  C_2  C_3
0   A   40  430
1   B   34  980
2   C   38  200
3   D   45  350

使用 pandas.DataFrame.iloc 屬性獲取 Pandas DataFrame 的第一行

import pandas as pd


df = pd.DataFrame({
    'C_1': ["A","B","C","D"],
    'C_2':  [40,34,38,45],
    'C_3': [430, 980, 200, 350],
})

row_1=df.iloc[0]

print("The DataFrame is:")
print(df,"\n")

print("The First Row of the DataFrame is:")
print(row_1)

輸出:

The DataFrame is:
  C_1  C_2  C_3
0   A   40  430
1   B   34  980
2   C   38  200
3   D   45  350

The First Row of the DataFrame is:
C_1      A
C_2     40
C_3    430
Name: 0, dtype: object

它顯示 DataFrame df 的第一行。為了選擇第一行,我們使用第一行的預設索引,即 0 和 DataFrame 的 iloc 屬性。

使用 pandas.DataFrame.head() 方法從 Pandas DataFrame 中獲取第一行

pandas.DataFrame.head() 方法返回一個 DataFrame,其中包含 DataFrame 中最上面的 5 行。我們也可以傳遞一個數字作為引數給 pandas.DataFrame.head() 方法,代表要選擇的最上面的行數。我們可以傳遞 1 作為引數到 pandas.DataFrame.head() 方法中,只選擇 DataFrame 的第一行。

import pandas as pd


df = pd.DataFrame({
    'C_1': ["A","B","C","D"],
    'C_2':  [40,34,38,45],
    'C_3': [430, 980, 200, 350],
})

row_1=df.head(1)

print("The DataFrame is:")
print(df,"\n")

print("The First Row of the DataFrame is:")
print(row_1)

輸出:

The DataFrame is:
  C_1  C_2  C_3
0   A   40  430
1   B   34  980
2   C   38  200
3   D   45  350

The First Row of the DataFrame is:
  C_1  C_2  C_3
0   A   40  430

根據指定的條件從 Pandas DataFrame 中獲取第一行

為了從 DataFrame 中提取滿足指定條件的第一行,我們首先過濾滿足指定條件的行,然後使用上面討論的方法從過濾後的 DataFrame 中選擇第一行。

import pandas as pd


df = pd.DataFrame({
    'C_1': ["A","B","C","D"],
    'C_2':  [40,34,38,45],
    'C_3': [430, 980, 500, 350],
})

filtered_df=df[(df.C_2 < 40) & (df.C_3 > 450)]

row_1_filtered=filtered_df.head(1)

print("The DataFrame is:")
print(df,"\n")

print("The Filtered DataFrame is:")
print(filtered_df,"\n")


print("The First Row with C_2 less than 45 and C_3 greater than 450 is:")
print(row_1_filtered)

輸出:

The DataFrame is:
  C_1  C_2  C_3
0   A   40  430
1   B   34  980
2   C   38  500
3   D   45  350

The Filtered DataFrame is:
  C_1  C_2  C_3
1   B   34  980
2   C   38  500

The First Row with C_2 less than 45 and C_3 greater than 450 is:
  C_1  C_2  C_3
1   B   34  980

它將顯示第一條列 C_2 值小於 45 且 C_3 列值大於 450 的行。

我們也可以使用 query() 方法來過濾 DataFrame 中的行。

import pandas as pd


df = pd.DataFrame({
    'C_1': ["A","B","C","D"],
    'C_2':  [40,34,38,45],
    'C_3': [430, 980, 500, 350],
})

filtered_df=df.query('(C_2 < 40) & (C_3 > 450)')

row_1_filtered=filtered_df.head(1)

print("The DataFrame is:")
print(df,"\n")

print("The Filtered DataFrame is:")
print(filtered_df,"\n")


print("The First Row with C_2 less than 45 and C_3 greater than 450 is:")
print(row_1_filtered)

輸出:

The DataFrame is:
  C_1  C_2  C_3
0   A   40  430
1   B   34  980
2   C   38  500
3   D   45  350

The Filtered DataFrame is:
  C_1  C_2  C_3
1   B   34  980
2   C   38  500

The First Row with C_2 less than 45 and C_3 greater than 450 is:
  C_1  C_2  C_3
1   B   34  980

它將使用 query() 方法過濾所有列 C_2 值小於 45 和列 C_3 值大於 450 的行,然後使用 head() 方法從 filtered_df 中選擇第一行。

Author: Suraj Joshi
Suraj Joshi avatar Suraj Joshi avatar

Suraj Joshi is a backend software engineer at Matrice.ai.

LinkedIn

相關文章 - Pandas DataFrame Row