一、DataFrame数据准备
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 #测试数据。 df = pd.DataFrame(data = [['lisa','f',22],['joy','f',22],['tom','m','21']],index = [1,2,3],columns = ['name','sex','age'])
数据：
name sex age
1 lisa f 22
2 joy f 22
3 tom m 21
二、增删改查操作
1，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
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.loc[4] = ['zz','mason','m',24,'engineer']
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。
2，查
（1）方法一：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）方法一：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）方法三：iloc[row_index, column_index]
''' 学习中遇到问题没人解答？小编创建了一个Python学习交流群：711312441 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ''' 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
3，改
（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。
（2）改数值
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。
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
4，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。
到此这篇关于Pandas DataFrame操作数据增删查改的文章就介绍到这了,更多相关Pandas DataFrame内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！