如何从 CSV 文件中按需选择性地提取列和行数据？

2024-03-13 19:59:55

如何从 CSV 数据集中选择性地选择列和行

概述

在数据分析中，经常需要从大型数据集（如 CSV 文件）中提取特定信息。Pandas 库提供了强大的工具，可以轻松地从数据集中选择特定列和行。本文将探讨如何使用 Pandas 从 CSV 数据集中选择性地选择列和行，并提供一个逐步的示例。

Pandas 的 melt 函数

Pandas 的 melt 函数用于将数据集中宽格式的数据转换为长格式。它通过将每一行的多个值“熔化”成单独的行来实现这一点，并创建一个新列来标识源列。例如，下面的 CSV 数据集：

id1	id2	t1	l1	t2	l2
1	2	a	b	c	d
3	4	g	h	i	j

可以通过以下方式熔化：

import pandas as pd

df = pd.read_csv('data.csv')
df_melted = df.melt(id_vars=['id1', 'id2'],
                     value_vars=['t1', 'l1', 't2', 'l2'])

这将产生以下数据框：

id1	id2	variable	value
1	2	t1	a
1	2	l1	b
1	2	t2	c
1	2	l2	d
3	4	t1	g
3	4	l1	h
3	4	t2	i
3	4	l2	j

选择特定的列和行

为了选择特定的列和行，可以使用以下方法：

选择列： 使用 loc 或 iloc 方法选择列。loc 接受列标签，而 iloc 接受列索引。例如，要选择 t1 和 l1 列：

df_selected_cols = df_melted[['t1', 'l1']]

选择行： 使用 query 方法根据条件选择行。例如，要选择 id1 为 3 的行：

df_selected_rows = df_melted.query('id1 == 3')

合并多组列

有时，你可能需要一次合并两组或更多列。为了实现这一点，可以使用 pd.concat() 函数。该函数将数据框垂直连接在一起。例如，要合并 t1 和 l1 以及 t2 和 l2 列：

df_merged_cols = pd.concat([df_melted[['t1', 'l1']], df_melted[['t2', 'l2']]], axis=1)

这将产生以下数据框：

id1	id2	tz	lz
1	2	a	b
1	2	c	d
3	4	g	h
3	4	i	j

总结

Pandas 库提供了强大的工具，可以从 CSV 数据集中选择性地选择列和行。使用 melt 函数将宽格式的数据转换为长格式，然后使用 loc、iloc 或 query 方法选择特定列和行。pd.concat() 函数可用于合并多组列。通过遵循本文中的步骤，你可以轻松地从数据集中提取所需的特定信息。