dataframe筛选某行

要筛选某行，可以使用 `loc` 或者 `iloc` 方法。其中，`loc` 方法是通过行（row）标签进行筛选，`iloc` 方法是通过行（row）的位置进行筛选。

举个例子，如果我们有一个名为 `df` 的 DataFrame，想要筛选行标签为 "A" 的行，可以使用以下代码：

df.loc["A"]

如果想要筛选第 2 行，可以使用以下代码：

df.iloc[1]

注意，行（row）的索引是从0开始的，所以第2行的索引为1。

相关问题

dataframe筛选某一行的index

要筛选DataFrame中某一行的索引，可以使用`.index`属性。

假设我们有以下DataFrame：

import pandas as pd

df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]}, index=['a', 'b', 'c'])

可以使用以下代码来获取行索引为`'b'`的行：

index_of_b = df.loc['b'].index

这将返回一个`Index`对象，其中包含了这一行的索引标签。

如果只想要这一行的索引标签，可以使用`.name`属性：

index_name_of_b = df.loc['b'].name

这将返回一个字符串，即这一行的索引标签。

dataframe筛选某列纯中文

您好，要筛选dataframe中某列纯中文的数据，可以利用正则表达式来匹配中文字符。以下是示例代码：

import pandas as pd
import re

# 创建示例数据
data = {'姓名': ['张三', '李四', '王五', 'Tom', 'Jerry'], '年龄': [20, 25, 30, 35, 40]}
df = pd.DataFrame(data)

# 筛选姓名列中纯中文的数据
pattern = re.compile(r'^[\u4e00-\u9fa5]+$')  # 定义纯中文的正则表达式
df_chinese = df[df['姓名'].apply(lambda x: pattern.match(x) is not None)]

print(df_chinese)

运行结果如下：

   姓名  年龄
0  张三  20
1  李四  25
2  王五  30

以上代码中，`pattern` 定义了一个纯中文的正则表达式，`df['姓名'].apply(lambda x: pattern.match(x) is not None)` 对姓名列中的每个元素都进行正则匹配，只有匹配成功的才会被筛选出来。