使用 Pandas 从 DataFrame 中提取数据：行索引与列名

在处理数据时，我们常常需要从一个表格（DataFrame）中提取特定的行与列。在 Python 中，Pandas 是一个强大的数据分析库，可以轻松实现这一点。本篇文章将手把手教会你如何根据行索引和列名提取数据。

流程概述

以下是提取数据的整体流程：

步骤 描述
1. 导入库 导入 pandas 库
2. 创建 DataFrame 使用字典数据创建 DataFrame
3. 数据提取 使用行索引和列名提取数据

步骤详解

1. 导入库

首先，你需要导入 Pandas 库。它是进行数据处理的基础。

import pandas as pd  # 导入 pandas 库，通常用 pd 作为别名

2. 创建 DataFrame

接下来，我们需要创建一个 DataFrame。在实际应用中，DataFrame 通常来自于 CSV 文件或数据库，但为了说明，我们将通过一个简单的字典来创建。

# 创建一个字典，用于生成 DataFrame
data = {
    '姓名': ['Alice', 'Bob', 'Charlie'],
    '年龄': [25, 30, 35],
    '城市': ['北京', '上海', '广州']
}

# 将字典转换为 DataFrame
df = pd.DataFrame(data)  # 将字典数据转成 DataFrame，并赋值给变量 df

# 输出 DataFrame 查看结构
print(df)  # 打印 df，以确认 DataFrame 结构

输出结果：

      姓名  年龄    城市
0  Alice  25   北京
1    Bob  30   上海
2 Charlie 35   广州

3. 数据提取

现在我们可以提取数据了。假设我们想要提取 Bob 的年龄。

# 使用标签（列名）和行索引提取数据
bob_age = df.loc[1, '年龄']  # loc[row_index, column_name]，这里 row_index 为 1，column_name 为 '年龄'

# 输出提取结果
print(f"Bob 的年龄是：{bob_age}")  # 打印结果

旅行图

以下是从开始导入库到最终提取数据的旅行图：

journey
    title 数据提取之旅
    section 导入库
      导入 pandas: 5: 导入 pandas 库
    section 创建 DataFrame
      定义字典: 3: 创建字典数据
      转换为 DataFrame: 4: 生成 DataFrame
    section 数据提取
      提取行和列: 4: 使用行索引和列名提取数据

关系图

下面是与 DataFrame 相关的基本结构：

erDiagram
    DataFrame {
        string 姓名
        int 年龄
        string 城市
    }

结尾

通过以上步骤，你应该能够顺利地从一个 Pandas DataFrame 中根据行索引和列名提取数据了。这一技能在数据分析中非常重要，因为它允许你快速访问和处理你需要的信息。快去练习一下吧，掌握这些基本操作后，你会发现数据分析变得更加简单和高效！