目录
(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)
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))
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)
DataFrame.loc(行索引名称或条件,列索引名称)
loc
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=['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']])
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','4'])
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_index=True))
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', '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)
Original: https://blog.csdn.net/qq_63756815/article/details/126984475
Author: 瑞雪兆丰年(润 )
Title: DataFrame数据的查询和编辑
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/676354/
转载文章受原作者版权保护。转载请注明原作者出处!