获取 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 属性获取 Pandas DataFrame 的第一行
  2. 根据指定的条件从 Pandas DataFrame 中获取第一行
获取 Dataframe Pandas 的第一行

本教程介绍了如何使用 pandas.DataFrame.iloc 属性和 pandas.DataFrame.head() 方法从 Pandas DataFrame 中获取第一行。

我们将在下面的例子中使用以下 DataFrame 来解释如何从 Pandas DataFrame 中获取第一行。

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)

输出:

  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 属性获取 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)

输出:

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

它显示 DataFrame df 的第一行。为了选择第一行,我们使用第一行的默认索引,即 0 和 DataFrame 的 iloc 属性。

使用 pandas.DataFrame.head() 方法从 Pandas DataFrame 中获取第一行

pandas.DataFrame.head() 方法返回一个 DataFrame,其中包含 DataFrame 中最上面的 5 行。我们也可以传递一个数字作为参数给 pandas.DataFrame.head() 方法,代表要选择的最上面的行数。我们可以传递 1 作为参数到 pandas.DataFrame.head() 方法中,只选择 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)

输出:

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

根据指定的条件从 Pandas DataFrame 中获取第一行

为了从 DataFrame 中提取满足指定条件的第一行,我们首先过滤满足指定条件的行,然后使用上面讨论的方法从过滤后的 DataFrame 中选择第一行。

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)

输出:

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

它将显示第一条列 C_2 值小于 45 且 C_3 列值大于 450 的行。

我们也可以使用 query() 方法来过滤 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)

输出:

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

它将使用 query() 方法过滤所有列 C_2 值小于 45 和列 C_3 值大于 450 的行,然后使用 head() 方法从 filtered_df 中选择第一行。

Author: Suraj Joshi
Suraj Joshi avatar Suraj Joshi avatar

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

LinkedIn

相关文章 - Pandas DataFrame Row