Python Pandas – 查询DataFrame的列

在数据分析中，Pandas是一个强大且灵活的工具，可以用于处理和分析各种类型的数据。Pandas提供了多种数据结构，其中DataFrame是最常用的一种。它是一个二维表格类型的数据结构，其中每列可以有不同的数据类型。

本篇文章将介绍如何使用Python Pandas查询DataFrame中的列。

Pandas DataFrame

在使用Pandas之前，我们需要先安装Pandas库。

!pip install pandas

接下来，我们创建一个简单的DataFrame。

import pandas as pd

data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'], 
        'Age': [28, 34, 29, 42], 
        'Country': ['US', 'UK', 'UK', 'US']}
df = pd.DataFrame(data)
print(df)

输出：

    Name  Age Country
0    Tom   28      US
1   Jack   34      UK
2  Steve   29      UK
3  Ricky   42      US

这个DataFrame包含三列，分别是Name、Age和Country。

查询单列

要查询DataFrame中的单列，我们可以使用列名或者索引号来访问该列。

使用列名：

# 使用列名来访问Country列
country_col = df['Country']
print(country_col)

输出：

0    US
1    UK
2    UK
3    US
Name: Country, dtype: object

可以看到，使用列名访问某一列时，返回的是一个Series对象。Series是Pandas中另一种重要的数据结构，可以看作是一维数组，其中每个元素有一个自己的标签，称为索引。

使用索引号：

# 使用索引号来访问第二列（Age列）
age_col = df.iloc[:, 1]
print(age_col)

输出：

0    28
1    34
2    29
3    42
Name: Age, dtype: int64

上述代码中的iloc表示通过索引号选取某一行或某一列。例如，df.iloc[:, 1]表示选取所有行，第二列。

查询多列

我们可以通过传递一个列表来选择DataFrame中的多个列。

# 查询Name和Country两列
name_and_country = df[['Name', 'Country']]
print(name_and_country)

输出：

    Name Country
0    Tom      US
1   Jack      UK
2  Steve      UK
3  Ricky      US

查询所有列

如果我们想要查询DataFrame中的所有列，可以简单地将DataFrame中的名称或索引列表省略。

# 查询所有列
all_cols = df[:]
print(all_cols)

输出：

    Name  Age Country
0    Tom   28      US
1   Jack   34      UK
2  Steve   29      UK
3  Ricky   42      US

结论

本篇文章介绍了如何使用Python Pandas查询DataFrame中的列。我们可以通过列名和索引号来访问某一列，也可以通过传递一个列表来选择多个列。