【Pandas数据分析4】数据操作
文章目录
- 四、数据操作
-
- 1、数据的增加
-
- 1.1 按列增加数据
- 1.2 按行增加数据
- 1.3 增加多行数据
- 2、数据的修改
-
- 2.1 修改列标题
- 2.2 修改行标题
- 2.3 修改数据
- 3、数据的删除
四、数据操作
1、数据的增加
1.1 按列增加数据
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 1、直接赋值
df['政治'] = [90, 89, 100]
print(df)
print('-------------------------')
# 2、使用loc属性在DataFrame对象的最后一列增加
df.loc[:, '化学'] = [100, 30, 98]
print(df)
print('-------------------------')
# 3、在指定的索引位置上插入一列
lst = [100, 90, 99]
df.insert(1, '历史', lst)
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语 政治
张三 45 65 100 90
李四 56 45 50 89
王五 67 67 67 100
-------------------------
数学 语文 英语 政治 化学
张三 45 65 100 90 100
李四 56 45 50 89 30
王五 67 67 67 100 98
-------------------------
数学 历史 语文 英语 政治 化学
张三 45 100 65 100 90 100
李四 56 90 45 50 89 30
王五 67 99 67 67 100 98
1.2 按行增加数据
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 1、增加一行
df.loc['陈六'] = [56, 67, 90]
print(df)
print('-------------------------')
# 新建DataFrame
new_df = pd.DataFrame(
data={'数学': [67, 69], '语文': [56, 78], '英语': [100, 99]},
index=['张丽丽', '王一一']
)
print(new_df)
print('-------------------------')
# 2、一个添加到另一个
df = df.append(new_df)
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
陈六 56 67 90
-------------------------
数学 语文 英语
张丽丽 67 56 100
王一一 69 78 99
-------------------------
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
陈六 56 67 90
张丽丽 67 56 100
王一一 69 78 99
1.3 增加多行数据
见上！
2、数据的修改
2.1 修改列标题
- 使用DataFrame对象的columns属性直接赋值
- 使用DataFrame对象的rename方法修改列标题
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 1、直接使用columns属性
df.columns = ['数学(上)', '语文(上)', '英语(上)']
print(df)
print('-------------------------')
# 2、rename inplace=True 直接修改并返回
df.rename(columns={'数学(上)': '数学(下)', '语文(上)': '语文(下)', '英语(上)': '英语(下)'}, inplace=True)
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学(上) 语文(上) 英语(上)
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学(下) 语文(下) 英语(下)
张三 45 65 100
李四 56 45 50
王五 67 67 67
2.2 修改行标题
- 使用DataFrame对象的index属性
- 使用DataFrame对象的rename方法
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 1、直接赋值
df.index = list('123')
print(df)
print('-------------------------')
# 2、rename
df.rename({'1': '一一', '2': '二二', '3': '三三'}, inplace=True, axis=0)
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语
1 45 65 100
2 56 45 50
3 67 67 67
-------------------------
数学 语文 英语
一一 45 65 100
二二 56 45 50
三三 67 67 67
2.3 修改数据
- 使用DataFrame对象的loc属性和iloc属性
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 修改一整行数据
df.loc['张三'] = [100, 100, 100]
print(df)
print('-------------------------')
df.iloc[0, :] = [111, 111, 111] # 第0行的所有列
print(df)
print('-------------------------')
# 修改一整列数据
df.loc[:, '数学'] = [100, 100, 100]
print(df)
print('-------------------------')
df.iloc[:, 0] = [111, 111, 111]
print(df)
print('-------------------------')
# 修改某一处数据
df.loc['李四', '语文'] = 100
print(df)
print('-------------------------')
df.iloc[1, 1] = 666
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语
张三 100 100 100
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语
张三 111 111 111
李四 56 45 50
王五 67 67 67
-------------------------
数学 语文 英语
张三 100 111 111
李四 100 45 50
王五 100 67 67
-------------------------
数学 语文 英语
张三 111 111 111
李四 111 45 50
王五 111 67 67
-------------------------
数学 语文 英语
张三 111 111 111
李四 111 100 50
王五 111 67 67
-------------------------
数学 语文 英语
张三 111 111 111
李四 111 666 50
王五 111 67 67
3、数据的删除
- 使用DataFrame对象的drop方法
df.drop(labels=None, axis=0, index=None, columns=None, inplace=False)
参数说明：
- labels：行标签或列标签
- axis
- axis=0：按行删除
- axis=1：按列删除
- index：删除行，默认值为None
- columns：删除列，默认值为None
- inplace：对原数组作出修改并返回一个新数组，默认值为False。如果值为True，那么原数组将直接被替换。
import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
data = [[45, 65, 100], [56, 45, 50], [67, 67, 67]]
index = ['张三', '李四', '王五']
columns = ['数学', '语文', '英语']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print('-------------------------')
# 一、删除某一列
# # 方法1：
# df.drop(['数学'], axis=1, inplace=True)
# print(df)
# print('-------------------------')
# # 方法2：
# df.drop(columns='数学', inplace=True)
# print(df)
# print('-------------------------')
# # 方法3：
# df.drop(labels='数学', axis=1, inplace=True)
# print(df)
# print('-------------------------')
# 二、删除某一行
# # 方法1：
# df.drop(['张三'], axis=0, inplace=True)
# print(df)
# print('-------------------------')
# # 方法2：
# df.drop(index='张三', inplace=True)
# print(df)
# print('-------------------------')
# # 方法3：
# df.drop(labels='张三', axis=0, inplace=True)
# print(df)
# print('-------------------------')
# 三、有条件的删除：删除数学<60
print(df[df['数学'] < 60].index[1])
df.drop(df[df['数学'] < 60].index[1], inplace=True) # 数学成绩小于60，有张三和李四，删除行索引1的李四
print(df)
数学 语文 英语
张三 45 65 100
李四 56 45 50
王五 67 67 67
-------------------------
李四
数学 语文 英语
张三 45 65 100
王五 67 67 67