表格对象增删改查

目录

1. 前言:
2. 表格对象的数据查询: 
3. 表格对象索引重置：                                     
4. 表格对象新增列数据：                                
5. 表格对象删除数据：
6. 表格对象数据修改：
7. 实例：
8. 总结:

---

come on

前言:

在数据处理和分析领域，表格数据是一种常见的数据形式。Python作为一种强大的编程语言，提供了多种库来处理表格数据。其中，Pandas库是其中最受欢迎的库之一，它提供了丰富的数据结构和操作方法，可以方便地进行表格数据的增删改查。使用Pandas库进行表格数据的增删改查操作，包括增加数据行、删除数据行、修改数据和查询数据等操作。

表格对象的数据查询:

通过序列对象查询数据

• 访问单列：表格名称 ['序列名称'] [索引]
• 访问多列：表格名称[['列名称1','列名称2',...]] [行索引]

#导入需要的库
import pandas as pd 

读取数据如下：

df[['顾客类型','性别']][:5]  #前面5行

loc方法

调用语法：表格对象.loc[n,'列名称']

• 访问单列：表格对象.loc[行索引,'列名称']
• 访问多列：表格对象.loc[行索引,['列名称1','列名称2',...]]

iloc方法

调用语法：表格对象.iloc[n,m]

• 表格对象.iloc[行索引,列索引]
• 和loc方法的区别主要在列索引，iloc中的列索引表示列的序号，接收的是数字

#第4、5、6列
df.iloc[:,[3,4,5]]                 

#第4列到第6列（不包括第6列）
df.iloc[:,3:6]

表格对象数据的条件查询

条件查询即查询满足一定条件的数据（行）

一般有两种方法实现条件查询：

query方法

• 语法：表格对象.query(查询条件字符串)
• 查询条件字符串：例如：'a>1'，'性别=="男"'，'a>1 and b==2'

loc方法

• 语法：表格对象.loc[ 布尔值序列 , 列索引 ]
• 布尔值序列由一个序列对象做条件判断运算得到，如：df['年龄']==18
• 布尔值序列中True所在的行即满足条件的行
• 当列索引为":"时（查询所有的列），条件查询语句也可以简写为：表格对象[布尔值序列]

表格对象索引重置：

1. 表格对象的默认索引从0开始的连续数字索引
2. 当使用条件查询等对部分进行数据进行筛选的方法时，会导致新的表格对象的索引不连续
3. 索引不连续时，索引n不再表示第n+1行数据
4. 所以需要把索引重置为0开始的连续数字索引

df2 = df.loc[df['城市']=='城市C',:]
df2

df2.reset_index()

# 以某列数据作为索引
df2.set_index('发票编号')

表格对象新增列数据：

• 概念：表格对象数据新增一般指新增一列
• 思路：将一个序列对象赋值给表格对象新的一列
• 语法：表格对象['新的列名称'] = 新的序列对象
• 注意：新的列名不能和表格对象已有的列名重复
• 案例：新增一列以人民币计算的支付费用

# 1 美元 ≈ 7.29 人民币
# 截取部分数据
df2 = df[['支付方式','支付费用（美元）']]
df2

df2['支付费用（人名币）'] = df2['支付费用（美元）']*7.29
df2

表格对象删除数据：

概念：表格对象行或列数据的删除

语法: 表格对象.drop(n,axis=0)

• 参数n表示行或列的索引
• axis默认为0，表示删除行，axis=1时删除列

# 删除行
df.drop(0)    #左

df.drop(1)    #右

# 删除列
df.drop('姓名',axis=1)

表格对象数据修改：

思路：先访问，后赋值

语法：访问某个元素的代码=需要赋予的值

注意：赋值需要使用=，不是==，==是判断符号

df = pd.DataFrame(
    [['张三','男'],['李四','女']],
    columns=['姓名','性别']
)
df

df['姓名'][0] = '王五'
df

实例展示：

【任务一】读取“电影评分.csv”数据集，分别使用序列对象、loc、iloc三种方法查询“电影名称”、“国家”、“评分”3列数据，保存为新的表格，打印该表格。

df = pd.read_csv('电影评分.csv',
                encoding='gbk',
                engine='python')
print(df[['电影名称','国家','评分']])
print(df.loc[:, ['电影名称','国家','评分']])
print(df.iloc[:,[0,3,5]])

【任务二】使用loc和query两种方法查询“美国”（不包含美国和其他国家合作的）拍摄的所有电影评分数据，结果索引重置后保存为新的表格，打印该表格。

df.query('国家=="美国" ' )
df.loc[df['国家']=='美国']

结果如下：

【任务三】删除“电影评分.csv”表格对象的最后一列（评论人数），结果保存为新的表格，打印该表格。

df.drop('评论人数',axis=1)

结果如下：

【任务四】将“国家”中的数据转换为列表的形式，如“美国 / 墨西哥”-->['美国','墨西哥']、“美国”-->['美国']。将新的列保存到表格中，列名称命名为“国家列表”。（提示：字符串分割）

df['国家列表']=df['国家'].apply(lambda x: x.split("/") if x else x)
df.to_csv('countries_updated.csv',index=False)
df

结果如下：

【任务5】查询“美国”（包含美国和其他国家合作的）拍摄的所有电影评分数据。

df.drop('评论人数',axis=1)

总结:

数据查询可以帮助用户找到需要的数据，进行数据分析、统计和展示等操作，其中条件查询可以帮助用户快速定位所需的数据，提高数据检索的效率和准确性，删除数据可以清理表格中不需要的数据行或列，减少数据量，去除无效或错误的数据，保持数据的整洁和精简，提高数据的质量和可用性，数据修改可以对表格中的数据进行更新和修正，保证数据的准确性和一致性。索引重置可以对数据重新进行编号和排序，便于后续的数据处理和分析，这些操作都是为了更好地管理和利用表格数据，使得数据更加完整、准确和有用。通过这些操作，用户可以更加高效地处理和分析数据，满足不同的数据需求。

fighting