3.Pandas赋值及数据操作

最新推荐文章于 2024-08-16 16:45:25 发布
最新推荐文章于 2024-08-16 16:45:25 发布
阅读量1.6w 收藏 26
点赞数 6
分类专栏： # Pandas 文章标签： Pandas 赋值 数据操作 DataFrame 删除del
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/MRZHUGH/article/details/106562207
版权

文章目录

0 引言

Pandas处理表格的数据时，有时候需要对某一行或者某一列的一个值需要赋值，有时候也需要其他的数据操作，比如删除，更改等操作。

1 Pandas赋值

import pandas as pd
import numpy as np

生成DataFrame表格数据

dates = np.arange(20200101,20200107)
df1 = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D'])
df1
ABCD
202001010123
202001024567
20200103891011
2020010412131415
2020010516171819
2020010620212223
df1.iloc[2,2]

10

对具体位置重新赋值

df1.iloc[2,2] = 100
df1
ABCD
202001010123
202001024567
202001038910011
2020010412131415
2020010516171819
2020010620212223

通过标签和表头来重新赋值

df1.loc[20200102,'B'] = 200
df1
ABCD
202001010123
20200102420067
202001038910011
2020010412131415
2020010516171819
2020010620212223

先判断某行某列满足某个条件，然后赋值

df1[df1.A > 10] = 0
df1
ABCD
202001010123
20200102420067
202001038910011
202001040000
202001050000
202001060000
df1.A[df1.A == 0] = 1
df1
ABCD
202001011123
20200102420067
202001038910011
202001041000
202001051000
202001061000

2 Pandas数据操作

添加指定列

df1['E'] = 10 # 添加一列
df1
ABCDE
20200101112310
2020010242006710
20200103891001110
20200104100010
20200105100010
20200106100010

调用Series添加指定列

df1['F'] = pd.Series([1,2,3,4,5,6],index=dates)
df1
ABCDEF
202001011123101
20200102420067102
202001038910011103
202001041000104
202001051000105
202001061000106

对某行某列的值进行修改

df1.loc[20200107,['A','B','C']] = [1,2,3]
df1
ABCDEF
202001011.01.02.03.010.01.0
202001024.0200.06.07.010.02.0
202001038.09.0100.011.010.03.0
202001041.00.00.00.010.04.0
202001051.00.00.00.010.05.0
202001061.00.00.00.010.06.0
202001071.02.03.0NaNNaNNaN

调用 .append 函数来实现添加指定行

s1 = pd.Series([1,2,3,4,5,6],index=['A','B','C','D','E','F'])
s1.name = 'S1'
df2 = df1.append(s1)
df2
ABCDEF
202001011.01.02.03.010.01.0
202001024.0200.06.07.010.02.0
202001038.09.0100.011.010.03.0
202001041.00.00.00.010.04.0
202001051.00.00.00.010.05.0
202001061.00.00.00.010.06.0
202001071.02.03.0NaNNaNNaN
S11.02.03.04.05.06.0

调用 .insert 在具体位置插入列

df1.insert(1,'G',df2['E']) # 在第一列插入索引为G的df2中的E列
df1
AGBCDEF
202001011.010.01.02.03.010.01.0
202001024.010.0200.06.07.010.02.0
202001038.010.09.0100.011.010.03.0
202001041.010.00.00.00.010.04.0
202001051.010.00.00.00.010.05.0
202001061.010.00.00.00.010.06.0
202001071.0NaN2.03.0NaNNaNNaN

调用 .pop 弹出某列，并调用 .insert 插入某列

g = df1.pop('G') # 弹出G列
df1.insert(6,'G',g) # 在最后插入
df1
ABCDEFG
202001011.01.02.03.010.01.010.0
202001024.0200.06.07.010.02.010.0
202001038.09.0100.011.010.03.010.0
202001041.00.00.00.010.04.010.0
202001051.00.00.00.010.05.010.0
202001061.00.00.00.010.06.010.0
202001071.02.03.0NaNNaNNaNNaN

调用 del 删除某列

del df1['G'] # 删除G列
df1
ABCDEF
202001011.01.02.03.010.01.0
202001024.0200.06.07.010.02.0
202001038.09.0100.011.010.03.0
202001041.00.00.00.010.04.0
202001051.00.00.00.010.05.0
202001061.00.00.00.010.06.0
202001071.02.03.0NaNNaNNaN

调用 .drop 删除指定列

df2 = df1.drop(['A','B'],axis=1) # 删除AB列
df2
CDEF
202001012.03.010.01.0
202001026.07.010.02.0
20200103100.011.010.03.0
202001040.00.010.04.0
202001050.00.010.05.0
202001060.00.010.06.0
202001073.0NaNNaNNaN

调用 .drop 删除某行

df2 = df1.drop([20200101,20200102],axis=0) #删除行
df2
ABCDEF
202001038.09.0100.011.010.03.0
202001041.00.00.00.010.04.0
202001051.00.00.00.010.05.0
202001061.00.00.00.010.06.0
202001071.02.03.0NaNNaNNaN
ZPILOTE
关注
专栏目录
3.pandas赋值及操作
weixin_44632711的博客
11-10 1729
import pandas as pd import numpy as np dates = np.arange(20170101,20170107) #取值 df1 = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D']) df1 A B C D 20170101
3 pandas的赋值及操作
manices的博客
08-30 3131
有时候我们需要对表格里面的数据进行一些预处理的操作，这时候就需要了解一下基本的操作方法。 首先赋值是基于选择数据的。那么让我们开始吧。 1 直接赋值 （改） 在相应的位置，用 = 赋值 code import numpy as np import pandas as pd dates = np.arange(20200101,20200107) df1 = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['a','b','c',
Pandas小白入门(2)---DataFrame的列赋值、多列赋值ValueError: Must have equal len keys and value when setting with a
mantoureganmian的专栏
08-29 1029
Pandas是一个杰作，其创作团队将现实的事物抽象成DataFrame和一系列相关操作，是一个完整的体系。一般来说，一款成熟的软件处处透漏着规范，如函数命名、参数位置等等，而且这种规范在软件间大部分情况下是通用的，一通百通，触类旁通，也算是各种隐藏彩蛋，祝各位收货颇丰。Series 是DataFrame 的单列的数据结构,不仅在概念上,而且在字面上,即DataFrame中的数据实际上作为Series的集合存储在内存中。的本质是：将新列的值转为Serise对象，传给DataFrame注册为其列。
对pandas将dataframe中某列按照条件赋值的实例讲解
09-19
今天小编就为大家分享一篇对pandas将dataframe中某列按照条件赋值的实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python之pandas (3 改添值)
最新发布
这是C.L 的博客，欢迎大家学习浏览！！
08-16 249
axis表示选择行或列。其中，在第四个赋值中，等号后边是Series类型的数据，它是一个包含四个年龄的数组，而前面符合df.Age>20的数据只有一个，但是由于Series有index，所以符合条件的Age会根据i相对应的ndex去改变其值。且添加值一般都是添加一列或几列，如果想要添加几行或一行，就需要使用合并功能了。添加值和修改值在语句上没有什么太大的差异，只不过添加列值时的列标签名是DataFrame中没有的。在pandas的上一篇中，我们提到了选择值，那么修改值就是在选择值的基础上直接赋值就行了。
pandas赋值
happy_wealthy的博客
03-03 664
df[df[‘SUCC_RATE_ANOMALY’]==1]
pandas 给指定行赋值
cuisidong1997的博客
04-05 862
df[[‘A’, ‘B’]] = new_df[[‘A’, ‘B’]] # 将df中的"A"和"B"列替换为new_df中对应的列。df.loc[df[‘A’] > 10, ‘B’] = 999 # 将"A"列大于10的行对应的"B"列的值赋值为999。df[[‘A’, ‘B’, ‘C’]] = s # 将df中的"A", “B”, "C"列替换为s中的值。df[‘A’] = [10, 20, 30] # 将"A"列的所有值替换为[10, 20, 30]
Pandas为某列赋值操作
成功唯有积累，没有奇迹。
08-19 2万+
Pandas新添加一列A，为A列赋值，值为B列的value:   1.若两列的行数相同，则可以直接进行赋值：  test_X['multiple'] = test['multiple']   2.若两列的行数不同，则可以采用左连接的方式进行赋值: 后期整理。。...
pandas给符合特定条件的列赋值
cf_jack的专栏
03-18 5634
pandas可以给符合特定条件的列赋值，如果这个列不存在也可以创建列名并赋值。 需要注意的是：如果是赋值的内容是个列表，该列表的长度与过滤后的行数要相等。 ##获得需要赋值的列表，使用array，可以是series conver to array，这样可以使用np.title，扩展array，扩展方式为[1,2,1,2] in_week_mean = callin.loc[:,callin.columns.isin(day_list)].mean(axis=1).array dsp(i
3. Pandas数据预处理
weixin_42167712的博客
09-18 4190
目录一、删除属性/特征选择1.1 删除某几列无用的属性、特征1.2 选择，保留某些特定属性1.3 更改特征，属性列的顺序1.4 删除只有一个值的属性二、缺失值处理2.1 只要有缺失值null就删除该行样本2.2 样本中有x个以上的缺失值才删除该行样本2.3 样本种所有数据都缺失才删除该行样本2.4 使用属性列的均值来填充缺失值2.5 使用特定值来填充缺失值2.6 使用缺失值的前一个/后一个值代替N...
Pandas数据结构的增删改查操作new.pdf
06-14
在Pandas库中，数据处理的核心数据结构是Series和DataFrame，它们提供了丰富的增删改查功能，使得数据操作变得高效且便捷。本篇主要探讨Series的四种基本操作：查询（查）、修改（改）、增加（增）和删除（删）。 1...
pandas.DataFrame 根据条件新建列并赋值的方法
09-20
下面小编就为大家分享一篇pandas.DataFrame 根据条件新建列并赋值的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序
我的个人博客
11-26 4593
pandas索引操作、行列索引、loc、iloc、index或columns.get_indexer，pandas赋值操作，pandas排序，DataFrame排序，sort_values(by=, ascending=)，sort_index()，pd.DataFrame，pandas基本操作
pandas选择数据&pandas赋值及操作
shanshuyue的博客
11-05 2594
import numpy as np import pandas as pd dates = pd.date_range('20170101',periods=6) df1 = pd.DataFrame(np.arange(24).reshape((6,4)), index=dates,columns=['A','B','C','D']) df1 df1['A'] #提取A这个列，是series结构 #将DataFrame的列获取为一个Series df1.A
pandas-赋值操作
weixin_30858241的博客
08-09 599
1，pandas操作主要有对指定位置的赋值，如上一篇中的数据选择一样，根据loc，iloc，ix选择指定位置，直接赋值 2，插入，insert方法，插入行和列 3，添加 4，删除 drop方法 5，弹出 pop方法 In [1]: import pandas as pd import numpy as np In [53]: dates = np.arange(20190809,2019...
[Pandas基础] Pandas 新增数据列
m0_74827981的博客
10-07 2123
在用pandas处理数据时，经常需要按照一定条件来创建写的数据列，然后进一步分析。 下面 四种方法常用于新增数据列： 1）直接赋值 2）df.apply方法 3) df.assign方法 4) 按照条件分组分别赋值
Pandas给DataFrame赋值
热门推荐
chery的博客
06-25 13万+
Pandas 设置值 相关代码 创建数据 我们可以根据自己的需求, 用 pandas 进行更改数据里面的值, 或者加上一些空的,或者有数值的列. 首先建立了一个 6X4 的矩阵数据。 dates = pd.date_range('20130101', periods=6) df = pd.DataFrame(np.arange(24).reshape((6,4)),index...
python pandas 赋值操作
超级大洋葱的博客
12-27 4778
import pandas as pd import numpy as np df = pd.DataFrame(data = np.random.randint(0,150,size = [10,3]),# 计算机科⽬的考试成绩 index = list('ABCDEFGHIJ'),# ⾏标签，⽤户 columns=['Python','Tensorflow','Keras']) # 考试科⽬ s = pd.Series(data = np.random.randint(0,150,size =
对pandas某列数据操作
06-03
要对 Pandas 中的某一列数据进行操作，可以通过 DataFrame 中的列名或者索引来获取这一列，然后进行相应的操作。以下是一些常见的操作： 1. 获取某一列数据： ```python import pandas as pd df = pd.read_csv('data.csv') col1 = df['column1'] # 通过列名获取 col2 = df.iloc[:, 1] # 通过索引获取 ``` 2. 对某一列进行赋值： ```python df['column1'] = col1 # 将 col1 赋值给 column1 列 df.iloc[:, 1] = col2 # 将 col2 赋值给第 2 列 ``` 3. 对某一列进行计算： ```python df['new_column'] = df['column1'] * 2 # 新建一列 new_column，其值为 column1 的两倍 df['column1'].mean() # 计算 column1 列的均值 ``` 4. 对某一列进行筛选： ```python df[df['column1'] > 10] # 筛选出 column1 列中大于 10 的行 ``` 这里假设数据已经存储在名为 data.csv 的文件中，可以使用 Pandas 的 read_csv 方法来读取数据。以上代码中的 column1 可以替换为实际的列名或索引。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ZPILOTE

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值