建网站做seo网站欢迎页制作

在 Python 中，pandas.core.frame.DataFrame 是 Pandas 数据库的核心数据结构，可以方便地读取和操作表格数据。以下是几种常见的读取内容的方法：

---

读取特定列

通过列名获取数据。

# 假设 df 是一个 DataFrame
data = df["列名"]  # 获取某一列，返回一个 Series 对象
data_list = df["列名"].tolist()  # 将某一列转为 Python 列表

示例：

# 假设表格如下：
#   A    B    C
# 0  1    4    7
# 1  2    5    8
# 2  3    6    9data = df["A"]  # 返回 A 列
# 输出：
# 0    1
# 1    2
# 2    3
# Name: A, dtype: int64data_list = df["A"].tolist()
# 输出：
# [1, 2, 3]

---

读取多列

传递列名列表，获取多个列。

selected_columns = df[["列名1", "列名2"]]

示例：

selected_columns = df[["A", "B"]]
# 输出：
#    A  B
# 0  1  4
# 1  2  5
# 2  3  6

---

读取特定行

使用索引或切片访问行数据。

row = df.loc[索引值]  # 根据标签（行号）读取某一行
row = df.iloc[索引值]  # 根据整数位置读取某一行
rows = df.iloc[起始行:结束行]  # 切片读取多行

示例：

row = df.loc[1]  # 返回索引为 1 的行
# 输出：
# A    2
# B    5
# C    8
# Name: 1, dtype: int64rows = df.iloc[0:2]  # 返回前两行
# 输出：
#    A  B  C
# 0  1  4  7
# 1  2  5  8

---

读取特定单元格

使用 .at 或 .iat 方法。

value = df.at[行索引, "列名"]  # 根据标签读取
value = df.iat[行位置, 列位置]  # 根据整数位置读取

示例：

value = df.at[1, "A"]  # 获取第 1 行，A 列的值
# 输出：2value = df.iat[1, 0]  # 获取第 1 行，第 0 列的值
# 输出：2

---

按条件读取

通过布尔索引读取符合条件的数据。

filtered = df[df["列名"] > 条件值]  # 返回满足条件的行

示例：

filtered = df[df["A"] > 1]
# 输出：
#    A  B  C
# 1  2  5  8
# 2  3  6  9

---

遍历 DataFrame

如果需要逐行处理，可以使用以下方式：

方法 1：iterrows()（按行遍历）

for index, row in df.iterrows():print(index, row["列名1"], row["列名2"])

方法 2：itertuples()（更高效）

for row in df.itertuples():print(row.Index, row.列名1, row.列名2)

示例：

for index, row in df.iterrows():print(f"第 {index} 行: {row['A']}, {row['B']}, {row['C']}")

---

读取整体数据

1. 查看 DataFrame 头部：

   print(df.head())  # 默认显示前 5 行
   print(df.head(10))  # 显示前 10 行
   

2. 转换为 NumPy 数组：

   array = df.values
   

3. 查看数据类型：

   print(df.dtypes)
   

---

如果需要进一步操作，可以根据具体场景扩展！