dataframe按索引取值

你可以使用`loc`方法按索引取值，如下所示：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 
                   'age': [25, 30, 35], 
                   'gender': ['F', 'M', 'M']})

# 设置索引
df.set_index('name', inplace=True)

# 按索引取值
print(df.loc['Bob'])

输出结果为：

age       30
gender     M
Name: Bob, dtype: object

如果你想要取多个索引的值，也可以像下面这样使用`loc`方法：

# 取多个索引的值
print(df.loc[['Alice', 'Charlie']])

输出结果为：

         age gender
name              
Alice     25      F
Charlie   35      M

相关问题

dataframe多级索引取值

回答: 在DataFrame中，可以使用多级索引来取值。通过指定多级索引的行和列，可以获取特定的值。例如，假设有一个名为df的DataFrame，其中包含多级索引。要获取特定的值，可以使用以下语法：df.loc\[(level1, level2), (level3, level4)\]。其中，level1和level2是第一级和第二级索引的值，level3和level4是第三级和第四级索引的值。这样就可以获取到对应的值。\[1\]例如，如果要获取df中索引为'a'，第一级索引为1的行的'data1'列的值，可以使用df.loc\[('a', 1), 'data1'\]。\[1\]另外，如果想要将一个多级索引的Series转换为普通索引的DataFrame，可以使用unstack()方法。这样可以快速将多级索引的Series转换为普通索引的DataFrame。\[2\]如果想要获取DataFrame中特定列的多级索引的值，可以使用类似于Series的语法，即使用列名和多级索引的元组来获取值。例如，假设有一个名为health_data的DataFrame，其中包含多级索引。要获取'Guido'列中'HR'索引的值，可以使用health_data\['Guido', 'HR'\]。\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [第1关：多级索引的取值与切片](https://blog.csdn.net/qq_65077162/article/details/124719218)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

DataFrame按行取值

DataFrame按行取值可以使用loc和iloc方法，其中loc方法使用标签索引，iloc方法使用整数索引。例如，df.loc表示取出DataFrame df的第一行数据，df.iloc也表示取出DataFrame df的第一行数据。

DataFrame按行取值的代码示例：

import pandas as pd

# 创建DataFrame
data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'], 'age': [28, 34, 29, 42]}
df = pd.DataFrame(data)

# 使用loc方法按标签索引取出第一行数据
row1 = df.loc[0]
print(row1)

# 使用iloc方法按整数索引取出第一行数据
row1 = df.iloc[0]
print(row1)