开发者

关于DataFrame数据的查询和编辑

开发者 https://www.devze.com 2024-09-13 09:20 出处:网络 作者: 瑞雪兆丰年(润 )
目录1.选取列2.选取行3.读取行和列4.增加数据5.删除行和列总结(不少于4个代码案例,选取行,选取列,增加行,删除行)
目录
  • 1.选取列
  • 2.选取行
  • 3.读取行和列
  • 4.增加数据
  • 5.删除行和列
  • 总结

(不少于4个代码案例,选取行,选取列,增加行,删除行)

查询【一般都是通过索引来操作的】

1.选取列

通过列索引标签或者属性的方式可以单独获取DataFrame的列数据,返回数据类型为Series。

在选取列时不能使用切片的方式,超过一个列名用df[['列名1','列名2']]

# 选取列
import pandas as pd
import numpy as np
data = {
    'name':[杨大润','李玉芳','马庆显'],
    'age':[21,19,23],
    'address':['兰州','上海','北京']
}
df = pd.DataFrame(data)
print(df)
w1 = df['name']
print("以列名取一列数据:\n", w1)
w2 = df[['name','age']]
print("以列名取两份数据:\n", w2)

关于DataFrame数据的查询和编辑

2.选取行

通过行索引或者行索引位置切片形式获取行数据【从0开始的,左闭右开】。

DataFrame提供的head【开头开始】和tail【结尾】可以取连续多行数据,sample可以随机抽取并显示数据

# 取行  从0开始的
import pandas as pd
data = {
    'name':['杨大润','李玉芳','马庆显'],
    'age':[21,19,23],
    'address':['贵州','上海','北京']
}
df = pd.DataFrame(data)
print(df)
print('显示前两行:\n', df[:2])
print('显示2行:\n', df[1:2])
# head从第一行取,默认前五行
print(df.head())
print(df.head(1))
# tail默认最后五行   可以带数字取最后的
print(df.tail())
print(df.tail(1))
# sample随机抽取n行显示
print(df.sample(1))

关于DataFrame数据的查询和编辑

3.读取行和列

切片选取行限制比较大,取单独的几行数据可以采用Pandas提供的iloc和loc方法实现。

用法:

  • DataFrame.loc(行索引位置, 列索引位置)
  • ​ Data编程客栈Frame.loc(行索引名称或条件, 列索引名称)
# loc
import pandas as pd
import njsumpy as np
data = {
   'name':['杨将军(大润)', '李女将(玉芳)', '马(军师)庆显', '韦女将(思妍)', '徐大将(佳宇)'],
   'location':['游走', '下路', '打野', '中单', '上单'],
   'dynasty':['蜀', '蜀', '战国', '汉', '蜀'],
   'year':[1999, 2000, 2020, 2050, 3030]
}
df1 = pd.DataFrame(data, columns=['name','location','dynasty','address','year'],index=['a','b','c','d','e'])
df2 = df1.set_index('dynasty')
print(df2)
print("取name和year两列的数据:\n",df2.loc[:,['name','year']])
print("取汉,战国行中name,year的数据:\n",df2.loc[['汉','战国'],['name','year']])

关于DataFrame数据的查询和编辑

4.增加数据

增加一行通过append方法传入字典结构数据即可,增加列时为增加的列赋值即可创建一个新的列,具体给值要对应,不然会报错

#插入一行数据append
#加列并赋值
import pandas as pd
import numpy as np
data = {
	'name':['杨将军(大润)', '李女将(玉芳)', '马(军师)庆显', '韦女将(思妍)', '徐大将(佳宇)'],
	'location':['游走', '下路', '打野', '中单', '上单'],
	'dynasty':['蜀', '蜀', '战国', '汉', '蜀'],
	'year':[1999, 2000, 2020, 2050, 3030]
}
df1 = pd.DataFrame(data, columns=['name','location','dynasty','address','year'],index=['0','1','2','3','4http://www.devze.com'])

df1['C'] = 10
df1['age'] = [24,33,19,40,80]

data1 = {
    'name':'吴医师(宗蔚)',
    'location':'打野',
    'dynasty':'唐',
    'year':1909
}
df1.append(data1,ignore_index=True)

print(df1)
print(df1.append(data1,ignore_ijavascriptndex=True))

关于DataFrame数据的查询和编辑

5.删除行和列

删除数据直接用drop方法,行列数据通过axis参数设置默认为0删除行,1删除列。

默认数据删除不修改原数据,如果在原数据上删除加入参数inplace=True即可!

import numpy as np
import pandas as pd

df = pd.DataFrame(data=[['杨大润', '男', 22], ['李玉芳', '女', 18], ['韦思妍', '女', 18],
                        ['马庆显', '男', 23], ['徐佳宇', '女', 18], ['吴宗蔚www.devze.com', '女', 21]], index=[1, 2, 3, 4, 5, 6],
                  columns=['name', 'sex', 'age'])
# 测试数据。
print(df)

h=df.drop([1,3],axis = 0,inplace = False)         #删除index值为1和3的两行,
print(h)


l=df.drop(['name'],axis = 1,inplace = False)   #删除name列。
print(l)

关于DataFrame数据的查询和编辑

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程客栈(www.devze.com)。

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号