3.DataFrame数据的查询和编辑
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']]
import pandas as pd
import numpy as np
data = {
'name':['张三','李四','王麻子'],
'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)
name age address
0 张三 21 兰州
1 李四 19 上海
2 王麻子 23 北京
以列名取一列数据:
0 张三
1 李四
2 王麻子
Name: name, dtype: object
以列名取两份数据：
name age
0 张三 21
1 李四 19
2 王麻子 23
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
print('显示前两行：\n', df[:2])
print('显示2行：\n', df[1:2])
print(df.head())
print(df.head(1))
print(df.tail())
print(df.tail(1))
print(df.sample(2))
显示前两行：
name age address
0 张三 21 兰州
1 李四 19 上海
显示2行：
name age address
1 李四 19 上海
name age address
0 张三 21 兰州
1 李四 19 上海
2 王麻子 23 北京
name age address
0 张三 21 兰州
name age address
0 张三 21 兰州
1 李四 19 上海
2 王麻子 23 北京
name age address
2 王麻子 23 北京
name age address
2 王麻子 23 北京
1 李四 19 上海
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)
data = {
'name':['张飞', '孙尚香', '韩信', '貂蝉', '马超'],
'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']])
name location address year
dynasty
蜀 张飞 游走 NaN 1999
蜀 孙尚香 下路 NaN 2000
战国 韩信 打野 NaN 2020
汉 貂蝉 中单 NaN 2050
蜀 马超 上单 NaN 3030
取name和year两列的数据:
name year
dynasty
蜀 张飞 1999
蜀 孙尚香 2000
战国 韩信 2020
汉 貂蝉 2050
蜀 马超 3030
取汉，战国行中name，year的数据：
name year
dynasty
汉 貂蝉 2050
战国 韩信 2020
print("显示前两列：\n", df2.iloc[:, 2])
print("显示第1和第3行的第2列：\n", df2.iloc[[1,3],[0]])
显示前两列：
dynasty
蜀 1999
蜀 2000
战国 2020
汉 2050
蜀 3030
Name: year, dtype: int64
显示第1和第3行的第二列：
name
dynasty
蜀 孙尚香
汉 貂蝉
也可以使用ix方法实现行和列的选择，同时支持索引标签和索引位置取值。
用选择符不等于(!=)、与(&)、或(|)
df3 = df2[df2['year'] == 3030]
print(df3,type(df3))
df2['name']=='孙尚香'
name location year
dynasty
蜀 马超 上单 3030 <class 'pandas.core.frame.DataFrame'>
dynasty
蜀 False
蜀 True
战国 False
汉 False
蜀 False
Name: name, dtype: bool
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
df1['C'] = 10
df1['age'] = [24,33,19,40,80]
data1 = {
'name':'李白',
'location':'打野',
'dynasty':'唐',
'year':'1909'
}
df1.append(data1,ignore_index=True)
name location dynasty year C age
0 张飞 游走 蜀 1999 10 24
1 孙尚香 下路 蜀 2000 10 33
2 韩信 打野 战国 2020 10 19
3 貂蝉 中单 汉 2050 10 40
4 马超 上单 蜀 3030 10 80
name location dynasty year C age
0 张飞 游走 蜀 1999 10.0 24.0
1 孙尚香 下路 蜀 2000 10.0 33.0
2 韩信 打野 战国 2020 10.0 19.0
3 貂蝉 中单 汉 2050 10.0 40.0
4 马超 上单 蜀 3030 10.0 80.0
5 李白 打野 唐 1909 NaN
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。
df1.drop('C',axis=1)
print(df1)
name location dynasty year C age
0 张飞 游走 蜀 1999 10 24
1 孙尚香 下路 蜀 2000 10 33
2 韩信 打野 战国 2020 10 19
3 貂蝉 中单 汉 2050 10 40
4 马超 上单 蜀 3030 10 80
df1.drop('C',axis=1,inplace=True)
print(df1)
name location dynasty year age
0 张飞 游走 蜀 1999 24
1 孙尚香 下路 蜀 2000 33
2 韩信 打野 战国 2020 19
3 貂蝉 中单 汉 2050 40
4 马超 上单 蜀 3030 80
对选择的数据进行赋值就可以了。修改数据是对DataFrame值的修改，无法撤销。如新列赋值。
Original: https://blog.csdn.net/qq_43636709/article/details/115819887
Author: bigdata7
Title: pandas3 DataFrame数据的查询编辑
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/753283/
转载文章受原作者版权保护。转载请注明原作者出处！