pandas 的索引
索引是非常重要的一个功能,使用索引我们就可以对数据进行选取和筛选
四种索引形式:
- 使用位置做索引
- 使用列表做索引
- 使用切片做索引
- 使用bool类型索引
** A、选取行: **
使用 loc 或者 iloc 函数来实现
import pandas as pd
filepath = '销售客户信息.xlsx'
df = pd.read_excel(filepath)
df
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
3 | 10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
4995 | 10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4996 | 10004997 | 2019-06-30 | 女 | 26 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4997 | 10004998 | 2019-06-30 | 男 | 18 | 2019-07-03 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 98.00 |
4998 | 10004999 | 2019-06-30 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4999 | 10005000 | 2019-06-30 | 男 | 26 | 2019-06-30 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 52.00 |
5000 rows × 14 columns
直接索引,获取第2 行
df.loc[2]
用户ID 10000003
注册时间 2018-01-01 00:00:00
性别 男
年龄 50
会员开通时间 2018-07-06 00:00:00
会员类型 VIP
城市 北京市
区域 北京市
最后一次登陆 2019-06-30 00:00:00
最后一次成交 2019-06-27 00:00:00
非会员累计购买次数 12
非会员累计消费 1369.56
会员累计购买次数 19
会员累计消费 1526.65
Name: 2, dtype: object
列表索引,列表可以是arange,range,ndarray ,series 都可以,列表形式即可
# 获取0,1,2 行
df.loc[[0,1,2]]
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
切片索引
df.loc[0:4]
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
3 | 10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
bool类型索引
b1 = df['年龄']>30
b1
0 True
1 True
2 True
3 False
4 True
...
4995 True
4996 False
4997 False
4998 False
4999 False
Name: 年龄, Length: 5000, dtype: bool
df.loc[b1]#对列进行判断以后进行索引读取
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
7 | 10000008 | 2018-01-01 | 女 | 45 | NaT | NaN | 北京市 | 朝阳区 | 2018-06-24 09:36:00 | 2018-06-20 09:36:00 | 11 | 1284.14 | 0 | 0.00 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
4987 | 10004988 | 2019-06-28 | 女 | 48 | NaT | NaN | 北京市 | 丰台区丰台科 | 2019-06-29 09:07:12 | NaT | 0 | 0.00 | 0 | 0.00 |
4988 | 10004989 | 2019-06-29 | 女 | 43 | NaT | NaN | 北京市 | 丰台区 | 2019-06-29 12:57:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4993 | 10004994 | 2019-06-30 | 男 | 44 | 2019-07-01 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 81.00 |
4994 | 10004995 | 2019-06-30 | 女 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4995 | 10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
2772 rows × 14 columns
iloc 和 loc 的区别
- loc 是基于索引值的,切片是左闭右闭的
- iloc 是基于位置的,切片是左闭右开的
df.loc[0:2]#取了3行
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
df.iloc[0:2]#取了2行
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
df.iloc[2]#统计第三个行的所有数据
用户ID 10000003
注册时间 2018-01-01 00:00:00
性别 男
年龄 50
会员开通时间 2018-07-06 00:00:00
会员类型 VIP
城市 北京市
区域 北京市
最后一次登陆 2019-06-30 00:00:00
最后一次成交 2019-06-27 00:00:00
非会员累计购买次数 12
非会员累计消费 1369.56
会员累计购买次数 19
会员累计消费 1526.65
Name: 2, dtype: object
df1 = df.set_index('用户ID')#将'用户ID'设置为列标签
df1
注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
用户ID | |||||||||||||
10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
10004997 | 2019-06-30 | 女 | 26 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
10004998 | 2019-06-30 | 男 | 18 | 2019-07-03 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 98.00 |
10004999 | 2019-06-30 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
10005000 | 2019-06-30 | 男 | 26 | 2019-06-30 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 52.00 |
5000 rows × 13 columns
df1.loc[0:3]#loc取的是索引值,当用户ID变成索引后,不存在0-2的索引值,故没有办法获取索引
注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
用户ID |
df1.iloc[0:2]#iloc 是根据位置的标号,而不是根据索引值
注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
用户ID | |||||||||||||
10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
df.loc[0:5,'年龄']#取0-5的索引列的值,取的是年龄值
0 43
1 56
2 50
3 23
4 33
5 27
Name: 年龄, dtype: int64
df1.iloc[0:5]
注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
用户ID | |||||||||||||
10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
** B、选取列: **
不需要使用函数
df['年龄'].head()
0 43
1 56
2 50
3 23
4 33
Name: 年龄, dtype: int64
df[['年龄','城市']].head()
年龄 | 城市 | |
0 | 43 | 北京市 |
1 | 56 | 北京市 |
2 | 50 | 北京市 |
3 | 23 | 北京市 |
4 | 33 | 北京市 |
# 注意使用切片和bool索引的话,效果和选取行是一样的
df[0:3]
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
df.iloc[0:3]
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
df[df['年龄']>18]
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
3 | 10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
4994 | 10004995 | 2019-06-30 | 女 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4995 | 10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4996 | 10004997 | 2019-06-30 | 女 | 26 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4998 | 10004999 | 2019-06-30 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4999 | 10005000 | 2019-06-30 | 男 | 26 | 2019-06-30 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 52.00 |
4896 rows × 14 columns
df.loc[df['年龄']>18]#与df[df'年龄']>18]相同
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
3 | 10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
5 | 10000006 | 2018-01-01 | 女 | 27 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-06 12:00:00 | 2019-05-05 12:00:00 | 12 | 1682.76 | 26 | 2307.50 |
6 | 10000007 | 2018-01-01 | 男 | 21 | 2018-07-06 | VIP | 北京市 | 东城区 | 2019-06-19 02:24:00 | 2019-06-19 02:24:00 | 12 | 1212.96 | 24 | 1435.44 |
7 | 10000008 | 2018-01-01 | 女 | 45 | NaT | NaN | 北京市 | 朝阳区 | 2018-06-24 09:36:00 | 2018-06-20 09:36:00 | 11 | 1284.14 | 0 | 0.00 |
8 | 10000009 | 2018-01-01 | 男 | 32 | 2018-07-03 | VIP | 北京市 | 北京市 | 2019-05-17 09:36:00 | 2019-05-13 09:36:00 | 12 | 994.92 | 19 | 1148.17 |
9 | 10000010 | 2018-01-01 | 女 | 22 | 2018-07-04 | VIP | 北京市 | 怀柔区 | 2019-06-30 00:00:00 | 2019-06-25 00:00:00 | 12 | 1664.16 | 36 | 3430.80 |
10 | 10000011 | 2018-01-01 | 男 | 28 | 2018-07-03 | VIP | 北京市 | 宣武区 | 2019-06-24 13:12:00 | 2019-06-22 13:12:00 | 12 | 1081.20 | 23 | 1168.17 |
11 | 10000012 | 2018-01-01 | 男 | 32 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-06-24 13:12:00 | 2019-06-19 13:12:00 | 12 | 1674.12 | 36 | 1874.16 |
12 | 10000013 | 2018-01-02 | 女 | 21 | NaT | NaN | 北京市 | 北京市 | 2018-09-20 02:52:48 | 2018-09-17 02:52:48 | 17 | 1652.74 | 0 | 0.00 |
13 | 10000014 | 2018-01-02 | 女 | 28 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-05-06 14:24:00 | 2019-05-05 14:24:00 | 12 | 1258.56 | 24 | 2316.96 |
14 | 10000015 | 2018-01-02 | 女 | 45 | NaT | NaN | 北京市 | 海淀区 | 2018-07-11 09:36:00 | 2018-07-11 09:36:00 | 13 | 1458.60 | 0 | 0.00 |
15 | 10000016 | 2018-01-02 | 女 | 62 | NaT | NaN | 北京市 | 通州区 | 2019-04-09 09:36:00 | 2019-04-04 09:36:00 | 30 | 2002.20 | 0 | 0.00 |
16 | 10000017 | 2018-01-02 | 女 | 45 | NaT | NaN | 北京市 | 朝阳区 | 2018-10-11 21:07:12 | 2018-10-07 21:07:12 | 19 | 2100.45 | 0 | 0.00 |
17 | 10000018 | 2018-01-03 | 女 | 30 | 2018-07-01 | VIP | 北京市 | 北京市 | 2019-05-12 03:07:12 | 2019-05-11 03:07:12 | 12 | 1585.20 | 28 | 1980.72 |
18 | 10000019 | 2018-01-03 | 男 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2018-11-24 19:12:00 | 2018-11-21 19:12:00 | 22 | 1991.22 | 0 | 0.00 |
19 | 10000020 | 2018-01-03 | 女 | 38 | NaT | NaN | 北京市 | 朝阳区 | 2018-11-30 05:31:12 | 2018-11-25 05:31:12 | 22 | 1373.24 | 0 | 0.00 |
21 | 10000022 | 2018-01-03 | 女 | 42 | 2018-07-02 | VIP | 北京市 | 北京市 | 2019-05-17 13:26:24 | 2019-05-13 13:26:24 | 12 | 1500.72 | 19 | 1839.96 |
22 | 10000023 | 2018-01-03 | 女 | 47 | NaT | NaN | 北京市 | 朝阳区 | 2018-07-01 04:33:36 | 2018-06-28 04:33:36 | 12 | 1666.32 | 0 | 0.00 |
23 | 10000024 | 2018-01-03 | 女 | 30 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-06-02 20:24:00 | 2019-05-28 20:24:00 | 12 | 1413.96 | 17 | 1120.47 |
24 | 10000025 | 2018-01-03 | 男 | 35 | NaT | NaN | 北京市 | 南三环 | 2018-06-25 18:14:24 | 2018-06-23 18:14:24 | 11 | 1245.64 | 0 | 0.00 |
25 | 10000026 | 2018-01-03 | 男 | 30 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-02 20:24:00 | 2019-05-30 20:24:00 | 12 | 1685.64 | 20 | 1576.20 |
26 | 10000027 | 2018-01-03 | 女 | 27 | 2018-07-04 | VIP | 北京市 | 北京市 | 2019-06-24 13:40:48 | 2019-06-19 13:40:48 | 12 | 1606.92 | 30 | 2053.20 |
27 | 10000028 | 2018-01-04 | 男 | 42 | NaT | NaN | 北京市 | 北京市 | 2018-08-25 01:26:24 | 2018-08-23 01:26:24 | 15 | 1653.15 | 0 | 0.00 |
28 | 10000029 | 2018-01-04 | 男 | 37 | NaT | NaN | 北京市 | 北京市 | 2018-06-21 00:28:48 | 2018-06-20 00:28:48 | 11 | 1299.98 | 0 | 0.00 |
29 | 10000030 | 2018-01-04 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-06-24 13:55:12 | 2019-06-22 13:55:12 | 12 | 1262.04 | 33 | 1763.85 |
30 | 10000031 | 2018-01-04 | 女 | 35 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 36 | 2829.96 | 0 | 0.00 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
4968 | 10004969 | 2019-06-24 | 女 | 32 | 2019-06-25 | VIP | 北京市 | 北京市 | 2019-06-29 19:40:48 | 2019-06-26 19:40:48 | 0 | 0.00 | 1 | 88.00 |
4969 | 10004970 | 2019-06-25 | 女 | 42 | NaT | NaN | 北京市 | 西城区 | 2019-06-28 18:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4971 | 10004972 | 2019-06-25 | 男 | 47 | 2019-06-28 | VIP | 北京市 | 北京市 | 2019-06-29 13:12:00 | 2019-06-29 13:12:00 | 0 | 0.00 | 1 | 64.00 |
4972 | 10004973 | 2019-06-25 | 男 | 40 | 2019-06-28 | VIP | 北京市 | 海淀区 | 2019-06-29 20:24:00 | 2019-06-29 20:24:00 | 0 | 0.00 | 1 | 52.00 |
4973 | 10004974 | 2019-06-25 | 女 | 24 | 2019-06-25 | VIP | 北京市 | 朝阳区 | 2019-06-29 12:00:00 | 2019-06-29 12:00:00 | 0 | 0.00 | 1 | 96.00 |
4974 | 10004975 | 2019-06-25 | 男 | 58 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 09:36:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4975 | 10004976 | 2019-06-25 | 男 | 50 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 10:48:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4976 | 10004977 | 2019-06-26 | 男 | 29 | 2019-06-28 | VIP | 北京市 | 定海区 | 2019-06-29 19:12:00 | 2019-06-29 19:12:00 | 0 | 0.00 | 1 | 84.00 |
4977 | 10004978 | 2019-06-26 | 男 | 26 | 2019-06-29 | VIP | 北京市 | 昌平区 | 2019-06-29 15:21:36 | 2019-06-29 15:21:36 | 0 | 0.00 | 1 | 67.00 |
4978 | 10004979 | 2019-06-26 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-27 05:45:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4979 | 10004980 | 2019-06-27 | 女 | 37 | NaT | NaN | 北京市 | 东城区 | 2019-06-29 16:04:48 | NaT | 0 | 0.00 | 0 | 0.00 |
4980 | 10004981 | 2019-06-27 | 女 | 36 | NaT | NaN | 北京市 | 北京市 | 2019-06-29 08:09:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4981 | 10004982 | 2019-06-27 | 女 | 34 | 2019-06-29 | VIP | 北京市 | 朝阳区 | 2019-06-29 18:57:36 | 2019-06-29 18:57:36 | 0 | 0.00 | 1 | 73.00 |
4982 | 10004983 | 2019-06-27 | 女 | 22 | 2019-06-27 | VIP | 北京市 | 北京市 | 2019-06-29 17:31:12 | 2019-06-29 17:31:12 | 0 | 0.00 | 1 | 93.00 |
4983 | 10004984 | 2019-06-27 | 女 | 23 | 2019-06-29 | VIP | 北京市 | 海淀区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 63.00 |
4984 | 10004985 | 2019-06-27 | 女 | 47 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 21:21:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4985 | 10004986 | 2019-06-28 | 男 | 20 | 2019-06-30 | VIP | 北京市 | 北京市 | 2019-06-29 21:36:00 | 2019-06-29 21:36:00 | 0 | 0.00 | 1 | 94.00 |
4986 | 10004987 | 2019-06-28 | 男 | 31 | NaT | NaN | 北京市 | 北京市 | 2019-06-28 19:40:48 | NaT | 0 | 0.00 | 0 | 0.00 |
4987 | 10004988 | 2019-06-28 | 女 | 48 | NaT | NaN | 北京市 | 丰台区丰台科 | 2019-06-29 09:07:12 | NaT | 0 | 0.00 | 0 | 0.00 |
4988 | 10004989 | 2019-06-29 | 女 | 43 | NaT | NaN | 北京市 | 丰台区 | 2019-06-29 12:57:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4989 | 10004990 | 2019-06-29 | 女 | 28 | 2019-07-02 | VIP | 北京市 | 北京市 | 2019-06-29 23:16:48 | 2019-06-29 23:16:48 | 0 | 0.00 | 1 | 67.00 |
4990 | 10004991 | 2019-06-29 | 女 | 24 | 2019-07-01 | VIP | 北京市 | 北京市 | 2019-06-29 21:50:24 | 2019-06-29 21:50:24 | 0 | 0.00 | 1 | 53.00 |
4991 | 10004992 | 2019-06-29 | 女 | 29 | 2019-06-30 | VIP | 北京市 | 北京市 | 2019-06-29 22:48:00 | 2019-06-29 22:48:00 | 0 | 0.00 | 1 | 67.00 |
4992 | 10004993 | 2019-06-29 | 女 | 19 | 2019-07-02 | VIP | 北京市 | 朝阳区 | 2019-06-29 22:33:36 | 2019-06-29 22:33:36 | 0 | 0.00 | 1 | 82.00 |
4993 | 10004994 | 2019-06-30 | 男 | 44 | 2019-07-01 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 81.00 |
4994 | 10004995 | 2019-06-30 | 女 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4995 | 10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4996 | 10004997 | 2019-06-30 | 女 | 26 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4998 | 10004999 | 2019-06-30 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4999 | 10005000 | 2019-06-30 | 男 | 26 | 2019-06-30 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 52.00 |
4896 rows × 14 columns
** C、选取行列: **
使用切片
df.loc[0,'年龄']
43
df.loc[[0,3],['年龄','性别']]
年龄 | 性别 | |
0 | 43 | 女 |
3 | 23 | 女 |
df.loc[0:3,['性别','年龄']]#这个使用的是切片索引
性别 | 年龄 | |
0 | 女 | 43 |
1 | 男 | 56 |
2 | 男 | 50 |
3 | 女 | 23 |
df.iloc[0:3,0:2]#选取行0-3,列0-2 【左闭右开】
用户ID | 注册时间 | |
0 | 10000001 | 2018-01-01 |
1 | 10000002 | 2018-01-01 |
2 | 10000003 | 2018-01-01 |
df.loc[df['年龄']>18,:]#【条件筛选 行指定列大于18,列所有都选择】
用户ID | 注册时间 | 性别 | 年龄 | 会员开通时间 | 会员类型 | 城市 | 区域 | 最后一次登陆 | 最后一次成交 | 非会员累计购买次数 | 非会员累计消费 | 会员累计购买次数 | 会员累计消费 | |
0 | 10000001 | 2018-01-01 | 女 | 43 | 2018-07-05 | VIP | 北京市 | 北京市 | 2019-06-19 02:24:00 | 2019-06-16 02:24:00 | 12 | 1268.28 | 23 | 1835.17 |
1 | 10000002 | 2018-01-01 | 男 | 56 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-29 00:00:00 | 36 | 3142.08 | 0 | 0.00 |
2 | 10000003 | 2018-01-01 | 男 | 50 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 12 | 1369.56 | 19 | 1526.65 |
3 | 10000004 | 2018-01-01 | 女 | 23 | 2018-07-06 | VIP | 北京市 | 丰台区 | 2019-06-08 04:48:00 | 2019-06-08 04:48:00 | 12 | 1314.96 | 45 | 2484.00 |
4 | 10000005 | 2018-01-01 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-11 22:48:00 | 2019-05-07 22:48:00 | 12 | 1006.80 | 23 | 2046.77 |
5 | 10000006 | 2018-01-01 | 女 | 27 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-05-06 12:00:00 | 2019-05-05 12:00:00 | 12 | 1682.76 | 26 | 2307.50 |
6 | 10000007 | 2018-01-01 | 男 | 21 | 2018-07-06 | VIP | 北京市 | 东城区 | 2019-06-19 02:24:00 | 2019-06-19 02:24:00 | 12 | 1212.96 | 24 | 1435.44 |
7 | 10000008 | 2018-01-01 | 女 | 45 | NaT | NaN | 北京市 | 朝阳区 | 2018-06-24 09:36:00 | 2018-06-20 09:36:00 | 11 | 1284.14 | 0 | 0.00 |
8 | 10000009 | 2018-01-01 | 男 | 32 | 2018-07-03 | VIP | 北京市 | 北京市 | 2019-05-17 09:36:00 | 2019-05-13 09:36:00 | 12 | 994.92 | 19 | 1148.17 |
9 | 10000010 | 2018-01-01 | 女 | 22 | 2018-07-04 | VIP | 北京市 | 怀柔区 | 2019-06-30 00:00:00 | 2019-06-25 00:00:00 | 12 | 1664.16 | 36 | 3430.80 |
10 | 10000011 | 2018-01-01 | 男 | 28 | 2018-07-03 | VIP | 北京市 | 宣武区 | 2019-06-24 13:12:00 | 2019-06-22 13:12:00 | 12 | 1081.20 | 23 | 1168.17 |
11 | 10000012 | 2018-01-01 | 男 | 32 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-06-24 13:12:00 | 2019-06-19 13:12:00 | 12 | 1674.12 | 36 | 1874.16 |
12 | 10000013 | 2018-01-02 | 女 | 21 | NaT | NaN | 北京市 | 北京市 | 2018-09-20 02:52:48 | 2018-09-17 02:52:48 | 17 | 1652.74 | 0 | 0.00 |
13 | 10000014 | 2018-01-02 | 女 | 28 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-05-06 14:24:00 | 2019-05-05 14:24:00 | 12 | 1258.56 | 24 | 2316.96 |
14 | 10000015 | 2018-01-02 | 女 | 45 | NaT | NaN | 北京市 | 海淀区 | 2018-07-11 09:36:00 | 2018-07-11 09:36:00 | 13 | 1458.60 | 0 | 0.00 |
15 | 10000016 | 2018-01-02 | 女 | 62 | NaT | NaN | 北京市 | 通州区 | 2019-04-09 09:36:00 | 2019-04-04 09:36:00 | 30 | 2002.20 | 0 | 0.00 |
16 | 10000017 | 2018-01-02 | 女 | 45 | NaT | NaN | 北京市 | 朝阳区 | 2018-10-11 21:07:12 | 2018-10-07 21:07:12 | 19 | 2100.45 | 0 | 0.00 |
17 | 10000018 | 2018-01-03 | 女 | 30 | 2018-07-01 | VIP | 北京市 | 北京市 | 2019-05-12 03:07:12 | 2019-05-11 03:07:12 | 12 | 1585.20 | 28 | 1980.72 |
18 | 10000019 | 2018-01-03 | 男 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2018-11-24 19:12:00 | 2018-11-21 19:12:00 | 22 | 1991.22 | 0 | 0.00 |
19 | 10000020 | 2018-01-03 | 女 | 38 | NaT | NaN | 北京市 | 朝阳区 | 2018-11-30 05:31:12 | 2018-11-25 05:31:12 | 22 | 1373.24 | 0 | 0.00 |
21 | 10000022 | 2018-01-03 | 女 | 42 | 2018-07-02 | VIP | 北京市 | 北京市 | 2019-05-17 13:26:24 | 2019-05-13 13:26:24 | 12 | 1500.72 | 19 | 1839.96 |
22 | 10000023 | 2018-01-03 | 女 | 47 | NaT | NaN | 北京市 | 朝阳区 | 2018-07-01 04:33:36 | 2018-06-28 04:33:36 | 12 | 1666.32 | 0 | 0.00 |
23 | 10000024 | 2018-01-03 | 女 | 30 | 2018-07-01 | VIP | 北京市 | 朝阳区 | 2019-06-02 20:24:00 | 2019-05-28 20:24:00 | 12 | 1413.96 | 17 | 1120.47 |
24 | 10000025 | 2018-01-03 | 男 | 35 | NaT | NaN | 北京市 | 南三环 | 2018-06-25 18:14:24 | 2018-06-23 18:14:24 | 11 | 1245.64 | 0 | 0.00 |
25 | 10000026 | 2018-01-03 | 男 | 30 | 2018-07-06 | VIP | 北京市 | 北京市 | 2019-06-02 20:24:00 | 2019-05-30 20:24:00 | 12 | 1685.64 | 20 | 1576.20 |
26 | 10000027 | 2018-01-03 | 女 | 27 | 2018-07-04 | VIP | 北京市 | 北京市 | 2019-06-24 13:40:48 | 2019-06-19 13:40:48 | 12 | 1606.92 | 30 | 2053.20 |
27 | 10000028 | 2018-01-04 | 男 | 42 | NaT | NaN | 北京市 | 北京市 | 2018-08-25 01:26:24 | 2018-08-23 01:26:24 | 15 | 1653.15 | 0 | 0.00 |
28 | 10000029 | 2018-01-04 | 男 | 37 | NaT | NaN | 北京市 | 北京市 | 2018-06-21 00:28:48 | 2018-06-20 00:28:48 | 11 | 1299.98 | 0 | 0.00 |
29 | 10000030 | 2018-01-04 | 女 | 33 | 2018-07-01 | VIP | 北京市 | 海淀区 | 2019-06-24 13:55:12 | 2019-06-22 13:55:12 | 12 | 1262.04 | 33 | 1763.85 |
30 | 10000031 | 2018-01-04 | 女 | 35 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | 2019-06-27 00:00:00 | 36 | 2829.96 | 0 | 0.00 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
4968 | 10004969 | 2019-06-24 | 女 | 32 | 2019-06-25 | VIP | 北京市 | 北京市 | 2019-06-29 19:40:48 | 2019-06-26 19:40:48 | 0 | 0.00 | 1 | 88.00 |
4969 | 10004970 | 2019-06-25 | 女 | 42 | NaT | NaN | 北京市 | 西城区 | 2019-06-28 18:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4971 | 10004972 | 2019-06-25 | 男 | 47 | 2019-06-28 | VIP | 北京市 | 北京市 | 2019-06-29 13:12:00 | 2019-06-29 13:12:00 | 0 | 0.00 | 1 | 64.00 |
4972 | 10004973 | 2019-06-25 | 男 | 40 | 2019-06-28 | VIP | 北京市 | 海淀区 | 2019-06-29 20:24:00 | 2019-06-29 20:24:00 | 0 | 0.00 | 1 | 52.00 |
4973 | 10004974 | 2019-06-25 | 女 | 24 | 2019-06-25 | VIP | 北京市 | 朝阳区 | 2019-06-29 12:00:00 | 2019-06-29 12:00:00 | 0 | 0.00 | 1 | 96.00 |
4974 | 10004975 | 2019-06-25 | 男 | 58 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 09:36:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4975 | 10004976 | 2019-06-25 | 男 | 50 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 10:48:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4976 | 10004977 | 2019-06-26 | 男 | 29 | 2019-06-28 | VIP | 北京市 | 定海区 | 2019-06-29 19:12:00 | 2019-06-29 19:12:00 | 0 | 0.00 | 1 | 84.00 |
4977 | 10004978 | 2019-06-26 | 男 | 26 | 2019-06-29 | VIP | 北京市 | 昌平区 | 2019-06-29 15:21:36 | 2019-06-29 15:21:36 | 0 | 0.00 | 1 | 67.00 |
4978 | 10004979 | 2019-06-26 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-27 05:45:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4979 | 10004980 | 2019-06-27 | 女 | 37 | NaT | NaN | 北京市 | 东城区 | 2019-06-29 16:04:48 | NaT | 0 | 0.00 | 0 | 0.00 |
4980 | 10004981 | 2019-06-27 | 女 | 36 | NaT | NaN | 北京市 | 北京市 | 2019-06-29 08:09:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4981 | 10004982 | 2019-06-27 | 女 | 34 | 2019-06-29 | VIP | 北京市 | 朝阳区 | 2019-06-29 18:57:36 | 2019-06-29 18:57:36 | 0 | 0.00 | 1 | 73.00 |
4982 | 10004983 | 2019-06-27 | 女 | 22 | 2019-06-27 | VIP | 北京市 | 北京市 | 2019-06-29 17:31:12 | 2019-06-29 17:31:12 | 0 | 0.00 | 1 | 93.00 |
4983 | 10004984 | 2019-06-27 | 女 | 23 | 2019-06-29 | VIP | 北京市 | 海淀区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 63.00 |
4984 | 10004985 | 2019-06-27 | 女 | 47 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-28 21:21:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4985 | 10004986 | 2019-06-28 | 男 | 20 | 2019-06-30 | VIP | 北京市 | 北京市 | 2019-06-29 21:36:00 | 2019-06-29 21:36:00 | 0 | 0.00 | 1 | 94.00 |
4986 | 10004987 | 2019-06-28 | 男 | 31 | NaT | NaN | 北京市 | 北京市 | 2019-06-28 19:40:48 | NaT | 0 | 0.00 | 0 | 0.00 |
4987 | 10004988 | 2019-06-28 | 女 | 48 | NaT | NaN | 北京市 | 丰台区丰台科 | 2019-06-29 09:07:12 | NaT | 0 | 0.00 | 0 | 0.00 |
4988 | 10004989 | 2019-06-29 | 女 | 43 | NaT | NaN | 北京市 | 丰台区 | 2019-06-29 12:57:36 | NaT | 0 | 0.00 | 0 | 0.00 |
4989 | 10004990 | 2019-06-29 | 女 | 28 | 2019-07-02 | VIP | 北京市 | 北京市 | 2019-06-29 23:16:48 | 2019-06-29 23:16:48 | 0 | 0.00 | 1 | 67.00 |
4990 | 10004991 | 2019-06-29 | 女 | 24 | 2019-07-01 | VIP | 北京市 | 北京市 | 2019-06-29 21:50:24 | 2019-06-29 21:50:24 | 0 | 0.00 | 1 | 53.00 |
4991 | 10004992 | 2019-06-29 | 女 | 29 | 2019-06-30 | VIP | 北京市 | 北京市 | 2019-06-29 22:48:00 | 2019-06-29 22:48:00 | 0 | 0.00 | 1 | 67.00 |
4992 | 10004993 | 2019-06-29 | 女 | 19 | 2019-07-02 | VIP | 北京市 | 朝阳区 | 2019-06-29 22:33:36 | 2019-06-29 22:33:36 | 0 | 0.00 | 1 | 82.00 |
4993 | 10004994 | 2019-06-30 | 男 | 44 | 2019-07-01 | VIP | 北京市 | 北京市 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 81.00 |
4994 | 10004995 | 2019-06-30 | 女 | 37 | NaT | NaN | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4995 | 10004996 | 2019-06-30 | 女 | 48 | NaT | NaN | 北京市 | 西城区 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4996 | 10004997 | 2019-06-30 | 女 | 26 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4998 | 10004999 | 2019-06-30 | 男 | 30 | NaT | NaN | 北京市 | 北京市 | 2019-06-30 00:00:00 | NaT | 0 | 0.00 | 0 | 0.00 |
4999 | 10005000 | 2019-06-30 | 男 | 26 | 2019-06-30 | VIP | 北京市 | 朝阳区 | 2019-06-30 00:00:00 | 2019-06-30 00:00:00 | 0 | 0.00 | 1 | 52.00 |
4896 rows × 14 columns