先生成测试数据，存放学生的成绩信息：
import copy
import pandas as pd
data = pd.DataFrame({'name':['Lindsay','Chris','Ambe','Delia','Ula'],
'score':['55分','66分','77分','88分','99分'],
'course_id':[1,1,1,1,1]})
data
namescorecourse_id0Lindsay55分11Chris66分12Ambe77分13Delia88分14Ula99分1
1.修改列名
直接暴力修改，就是直接 把所有列名进行重置，赋予新的列名。
这种方式必须 把所有的列名都写上(不修改名称的也要写)，而且顺序和数量都必须和原来的数据表保持一致。
如：把 ‘course_id’ 改为 ‘课程id’。
data_1 = copy.deepcopy(data)
data_1.columns = ['name', 'score', '课程id']
data_1
namescore课程id0Lindsay55分11Chris66分12Ambe77分13Delia88分14Ula99分1
显然，当数据表中有很多列时，这种方式并不是明智之举。
rename()函数可以 直接指定需要更改的原列名和新列名，当有多列需要更改时，用字典的方式提供列名更改信息。
参数格式：
DataFrame.rename( columns = { ‘原列名1′:’新列名1’,…, ‘原列名n’:’新列名n’ }, inplace = False )
inplace=False：表示不直接在原始数据上修改列的名称，而是生成一个副本，可以赋值给新的对象，inplace默认为False。
inplace=True：直接在原始数据上修改列的名称。
data_2=data.rename(columns={'name':'姓名', 'score':'成绩'})
data_2
姓名成绩course_id0Lindsay55分11Chris66分12Ambe77分13Delia88分14Ula99分1
2.修改列的顺序
在工作中，我们有时候需要对数据表的列进行重排序。
我们可以根据我们的需要， 按照指定的顺序读取列，然后赋值给新的变量。
如：将 ‘course_id’ 列显示到最前面。
data_3 = data[['course_id','name','score']]
data_3
course_idnamescore01Lindsay55分11Chris66分21Ambe77分31Delia88分41Ula99分
3.删除列
当我们读取到的原始数据中，有些列是我们不需要的时。
我们可以从以下两个方面来处理。
- 1.读取数据的时候 只读取需要的列，不需要的列就不读取，然后赋值给新的变量；
- 2.使用 del 方法删除列（只能删除单列）；
- 3.使用 drop() 函数删除列（可以删除多列）。
如：删除 ‘course_id’ 列。
data_4 = data[['name','score']]
data_4
namescore0Lindsay55分1Chris66分2Ambe77分3Delia88分4Ula99分
备注：这种方式 看上去是删除了 ‘course_id’ 列，其实只是让新的变量中不存放’course_id’ 列的值，原始数据并没有发生改变。
data_5 = copy.deepcopy(data)
del data_5['course_id']
data_5
namescore0Lindsay55分1Chris66分2Ambe77分3Delia88分4Ula99分
备注：del 方法 一次只能删除一列，不能删除多列，而且是 直接对原始数据进行删除。
drop()方法可以通过直接 指定索引或列名，删除行或列。
参数格式：
DataFrame.drop(labels=None,axis=0,index=None,columns=None,inplace=False)
- labels:接收字符串或列表。代表删除的行或列的标签，无默认值。
- axis：接收0或1。代表操作的轴向，0代表删除行，1代表删除列，默认为0。
- index：接收字符串或列表。代表删除的行的索引index，无默认值。
- columns：接收字符串或列表。代表删除的列的名称，无默认值。
- inplace：接收boolean。代表操作是否对原始数据生效，默认为False。
data.drop(columns='course_id', axis=1, inplace=True)
data
namescore0Lindsay55分1Chris66分2Ambe77分3Delia88分4Ula99分
备注：指定删除的列名为 ‘course_id’,axis=1代表删除列， inplace=True 代表直接在原始数据上进行删除。
drop() 函数可以同时删除多列。
如：同时删除 ‘name’ 和 ‘score’ 列的写法：
data.drop(columns=['name','score'], axis=1)
01234
3.新建列
在 DateFrame 类型的数据后面， 直接跟上新的列名，然后赋值。
这种方式 会直接修改 DateFrame 的值，在该 DateFrame 类型的数据后面，新增一列。
格式为：
DateFrame[‘新列名’] = ‘新列值’
如：现在学生的成绩是 ” str ” 类型，而且带有汉字”分”，不方便计算。
我们需要新建一列，提取出成绩中的数值部分。
data['score1'] = data['score'].str.replace('分','').astype('int32')
data
namescorescore10Lindsay55分551Chris66分662Ambe77分773Delia88分884Ula99分99
注：该方法 不可以选择插入新列的位置，默认为最后一列。
如果新增的一列值相同，直接为其赋值一个常量即可；
如果插入值不同，为列表格式， 需与已有列的行数长度一致，如上面例子中原来列为5行，新增列也必须有5个值。
前面直接赋值的方法只能在原始数据的 最后位置插入一列数据。
如果想要 在任意位置插入一列，就需要用到insert()函数。
语法格式如下：
DataFrame.insert(loc, column, value,allow_duplicates = False)
参数：
- loc：必要字段，int类型数据，表示插入新列的列位置，原来在该位置的列将向右移。
- column：必要字段，插入新列的列名。
- value：必要字段，新列插入的值。如果仅提供一个值，将为所有行设置相同的值。可以是int，string，float等，甚至可以是series /值列表。
- allow_duplicates：可选字段。布尔值，用于检查是否存在具有相同名称的列。默认为False，不允许与已有的列名重复。
如：我们在第 0 列的位置插入新的一列，列名为 test，值为3。
data.insert(loc=0, column='test', value=3)
data
testnamescorescore103Lindsay55分5513Chris66分6623Ambe77分7733Delia88分8843Ula99分99
为了不影响后面的使用，我们把 ‘test’ 列删除。
data.drop('test',axis=1,inplace=True)
data
namescorescore10Lindsay55分551Chris66分662Ambe77分773Delia88分884Ula99分99
df.apply()方法可以 为我们添加条件列提供支持。
apply()函数主要用于对 DataFrame 中的 某一行或列 中的元素执行 相同的函数操作 。
参数格式：
DataFrame.apply(函数名, axis=0/1)
axis=0：将函数操作应用到行上； axis=1：将函数操作应用到列上。
如：我们定义一个函数，来对成绩进行分级。
score
Original: https://blog.csdn.net/lengxuan001/article/details/126380155
Author: 冷漩
Title: pandas 对列的相关操作
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/693397/
转载文章受原作者版权保护。转载请注明原作者出处！