0
A
回答
2
在你的情况下,该指数等于整数位置。因此,您可以使用.loc
或.iloc
。
的.loc主要基于标签...
.iloc是基于主要的整数位置(从0到轴的长度-1)
1
试试这个:
result = data.loc[[1,10,100]]
+0
加尔文使用iloc vs loc有区别吗? –
相关问题
- 1. 检索熊猫数据框列索引
- 2. 没有熊猫数据框索引
- 3. 熊猫数据框索引匹配
- 4. 大熊猫数据框中的最大值的索引和列
- 5. Python的大熊猫索引数据框列名的名单
- 6. 大熊猫索引列为一个数据框
- 7. 剥离大熊猫数据框索引'\ n'和空格
- 8. 如何正确地多索引排序大熊猫数据框
- 9. 追加两个大熊猫数据框时的索引问题
- 10. 熊猫 - str.contains()在大熊猫查询
- 11. 关于大熊猫据帧索引
- 12. 熊猫数据框 - 查找列的索引值
- 13. 查找索引,其中元素更改值熊猫数据框
- 14. 大熊猫:绕过数字索引
- 15. 猫鼬查询索引数据
- 16. 用整数索引熊猫数据帧
- 17. 如何引用熊猫数据框的索引字段?
- 18. 熊猫数据帧索引过滤
- 19. 从熊猫多索引数据帧
- 20. 熊猫数据帧按列索引
- 21. 选择和整数索引修改大熊猫数据帧片
- 22. 在Python中分割大熊猫熊猫数据框
- 23. 使用datetimeindex引用熊猫数据框
- 24. 熊猫数据框按索引和整数
- 25. 使用熊猫数据框在numpy数组中设置索引
- 26. 总结大熊猫数据框列表
- 27. 重置大熊猫数据框的值
- 28. 大熊猫操纵数据框
- 29. 大熊猫数据框中:的的.index
- 30. 大熊猫筛选数据框列
你可以尝试这种方式...''df.iloc [[1,10,100],:]' – su79eu7k
@ su79eu7k我在做df.loc [df.index.isin([vals])]这似乎工作,但我didn'不知道这是否是一个很好的做法。 –