温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Python数据分析之Pandas Dataframe怎么修改、删除及查询

发布时间:2022-05-23 09:13:54 来源:亿速云 阅读:375 作者:iii 栏目:开发技术

这篇文章主要介绍“Python数据分析之Pandas Dataframe怎么修改、删除及查询”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python数据分析之Pandas Dataframe怎么修改、删除及查询”文章能帮助大家解决问题。

    一、查询操作

    可以使用Dataframe的index属性和columns属性获取行、列索引。

    import pandas as pd
    data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
    df = pd.DataFrame(data)
    print(df.index)
    print(df.columns)
    df

    结果输出如下:

    Python数据分析之Pandas Dataframe怎么修改、删除及查询

    元素的查询

    DataFrame 元素查询有一下几种查询方式:使用[]切片、loc方法、iloc方法、at方法、iat方法等,下面分别介绍一下。

    使用[]切片:

    和Series数据结果一样,Dataframe也支持使用[]进行切片,使用方式也类似,通过行、列的下标或名称进行指定位置元素的查询。

    例如:

    # 获取第0行数据
    df[0:1]
    # 获取第2-4行数据(不包括4)
    df[2:4]
    # 获取某一列
    df.name  # df["name"]
    # 获取某几列
    df[["name", "gender"]]
    # 获取指定行指定列
    df[2:4][["name", "gender"]]

    通过loc方法和iloc方法:

    其中loc方法是以行索引的名称和列索引的名称作为参数使用,iloc方法是以行索引的位置和列索引的位置作为参数使用,具体使用方式如下:

    # 获取某行
    df.loc[1]
    df.iloc[1]
    # 获取多行
    df.loc[1:3]
    df.iloc[1:3]
    # 获取某列
    df.loc[:, "name"]
    df.iloc[:, 0]
    # 获取多列
    df.loc[:, ["name","gender"]]
    df.iloc[:, [0,2]]

    除了上面这些, 这里有一点需要注意一下,就是使用loc方法行索引参数为区间时,区间前后都为闭区间;而iloc为前闭后开区间。

    通过at方法和iat方法:

    at和iat的使用方法与loc和iloc类似,不同的是,at和iat只能访问单个元素,不能访问多个元素,但是查询速度比loc和iloc更快一些,具体使用如下:

    # 查询index为0列名为name的元素
    df.at[0, "name"]
    # 查询第2行第1列的元素
    df.iat[2,1]

    说完Dataframe的查询操作,这篇文章就来介绍一下Dataframe数据的修改及删除操作。

    二、修改操作

    行列索引的修改

    Dataframe对象提供了rename()方法修改行索引、列索引,默认修改行索引,可以指定columns参数修改列索引,

    具体使用方法如下:

    Python数据分析之Pandas Dataframe怎么修改、删除及查询

    # 修改指定行索引
    df.rename({1:"one", 2:"two"}, inplace=True)
    # 修改指定列索引
    df.rename(columns={"city": "address"}, inplace=True)
    df

    结果输出如下:

    Python数据分析之Pandas Dataframe怎么修改、删除及查询

    参数inplace=True表示在原来的 DataFrame 上进行修改。

    元素值的修改

    上面查询操作说到说到可以通过loc、iloc、at、iat等方法获取指定位置的值,修改其实也是通过这些方法先指定某个位置,然后进行赋值即可修改,例如:

    # 修改1-2行age和city列的数据
    df.loc[1:2, ["age","city"]] = [["22", "北京"],["21", "济南"]]
    # 修改gender列 man-->男
    df.loc[df["gender"]=="man", "gender"] = "男"
    df

    输出结果如下:

    Python数据分析之Pandas Dataframe怎么修改、删除及查询

    三、行和列的删除操作

    DataFrame提供了drop()方法进行行和列的删除操作。

    具体用法和参数如下:

    df.drop(labels=None, axis=0, index=None, columns=None, inplace=False)
    • labels:指定要删除的行或列,可以使用列表指定多个行/列索引

    • axis:取值为0和1,代表行和列,默认为0,表示要删除的是行,设置为1表示删除列

    • index:指定要删除的行,可以使用列表指定多个行索引

    • columns:指定要删除的列,同样可以使用列表指定多个列索引

    • inplace:默认为False,设置为True表示在原 DataFrame 上进行修改

    具体通过代码看下:

    # 删除单行
    df.drop(4, inplace=True)
    # 删除多行
    df.drop([1,3], inplace=True)
    # 删除多列
    df.drop(["gender","city"], axis=1, inplace=True)  # 或 df.drop(columns=["genger","city"], inplace=True)
    df

    关于“Python数据分析之Pandas Dataframe怎么修改、删除及查询”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注亿速云行业资讯频道,小编每天都会为大家更新不同的知识点。

    向AI问一下细节

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

    AI