Pandas DataFrame数据的增、删、改、查 - 好文

准备工作：

增、删、改、查的方法有很多很多种，这里只展示出常用的几种。

参数inplace默认为False,只能在生成的新数据块中实现编辑效果。当inplace=True时执行内部编辑，不返回任何值，原数据发生改变。

>>> import numpy as np >>> import pandas as pd df = pd.DataFrame(data =
[['lisa','f',22],['joy','f',22],['tom','m','21']],index = [1,2,3],columns =
['name','sex','age'])#测试数据。 >>> df name sex age 1 lisa f 22 2 joy f 22 3 tom m
21

一、增

1.按列增加。
>>> citys = ['ny','zz','xy'] >>> df.insert(0,'city',citys)
#在第0列，加上column名称为city，值为citys的数值。 >>> jobs = ['student','AI','teacher'] >>>
df['job'] = jobs #默认在df最后一列加上column名称为job，值为jobs的数据。 >>> df.loc[:,'salary'] =
['1k','2k','2k','2k','3k'] #在df最后一列加上column名称为salary，值为等号右边数据。
2.按行增加。
>>> df.loc[4] =
['zz','mason','m',24,'engineer’]#若df中没有index为“4”的这一行的话，该行代码作用是往df中加一行index为“4”，值为等号右边值的数据。若df中已经有index为“4”的这一行，则该行代码作用是把df中index为“4”的这一行修改为等号右边数据。
>>> df_insert =
pd.DataFrame({'name':['mason','mario'],'sex':['m','f'],'age':[21,22]},index =
[4,5]) >>> ndf = df.append(df_insert,ignore_index = True)
#返回添加后的值，并不会修改df的值。ignore_index默认为False，意思是不忽略index值，即生成的新的ndf的index采用df_insert中的index值。若为True，则新的ndf的index值不使用df_insert中的index值，而是自己默认生成。
二、查

1. df['column_name'] 和df[row_start_index, row_end_index]
df['name'] df['gender'] df[['name','gender']] #选取多列，多列名字要放在list里 df[0:]
#第0行及之后的行，相当于df的全部数据，注意冒号是必须的 df[:2] #第2行之前的数据（不含第2行） df[0:1] #第0行 df[1:3]
#第1行到第2行（不含第3行） df[-1:] #最后一行 df[-3:-1]
#倒数第3行到倒数第1行（不包含最后1行即倒数第1行，这里有点烦躁，因为从前数时从第0行开始，从后数就是-1行开始，毕竟没有-0）
2. df.loc[index,column]
# df.loc[index, column_name],选取指定行和列的数据 df.loc[0,'name'] # 'Snow' df.loc[0:2,
['name','age']] #选取第0行到第2行，name列和age列的数据, 注意这里的行选取是包含下标的。
df.loc[[2,3],['name','age']] #选取指定的第2行和第3行，name和age列的数据
df.loc[df['gender']=='M','name'] #选取gender列是M，name列的数据
df.loc[df['gender']=='M',['name','age']] #选取gender列是M，name和age列的数据
3. iloc[row_index, column_index]
df.iloc[0,0] #第0行第0列的数据，'Snow' df.iloc[1,2] #第1行第2列的数据，32 df.iloc[[1,3],0:2]
#第1行和第3行，从第0列到第2列（不包含第2列）的数据 df.iloc[1:3,[1,2] #第1行到第3行（不包含第3行），第1列和第2列的数据
三、改

3.1 改行列标题。
>>> df.columns = ['name','gender','age']
#尽管我们只想把’sex’改为’gender’，但是仍然要把所有的列全写上，否则报错。 >>> df.rename(columns =
{'name':'Name','age':'Age'},inplace = True)
#只修改name和age。inplace若为True，直接修改df，否则，不修改df，只是返回一个修改后的数据。 >>> df.index =
list('abc')#把index改为a,b,c.直接修改了df。 >>> df.rename({1:'a',2:'b',3:'c'},axis =
0,inplace = True)#无返回值，直接修改df的index。

3.2 改数值

1. 使用loc
>>> df.loc[1,'name'] = 'aa' #修改index为‘1’，column为‘name’的那一个值为aa。 >>> df.loc[1]
= ['bb','ff',11] #修改index为‘1’的那一行的所有值。 >>> df.loc[1,['name','age']] = ['bb',11]
#修改index为‘1’，column为‘name’的那一个值为bb，age列的值为11。
2. 使用iloc[row_index, column_index]：
>>> df.iloc[1,2] = 19#修改某一无素 >>> df.iloc[:,2] = [11,22,33] #修改一整列 >>>
df.iloc[0,:] = ['lily','F',15] #修改一整行
四、删

1.删除行。
>>> df.drop([1,3],axis = 0,inplace = False)#删除index值为1和3的两行，
2.删除列。
>>> df.drop(['name'],axis = 1,inplace = False) #删除name列。 >>> del df['name']
#删除name列。 >>> ndf = df.pop('age’)#删除age列，操作后，df都丢掉了age列,age列返回给了ndf。

热门工具换一换