Python数据分析 Pandas2

数据帧的列操作和行操作

（1）列选择

• 选择一列： df[列索引]

• 选择离散多列： df[[列索引数组]]

• 选择连续多列： df[df.columns[start:end:step]]

（2）列添加

df[新列索引]= 新列值

注意：

• 若新列值未指定index，则从第0行开始往下添加新值；

• 若指定index，则按照index添加新值；

• 若添加的是series列，当值不足会自动添加NaN；

• 若添加的是列表、元组，当值不足会报错

 

（3）列修改

df[原列索引] = 新值

注意事项与列添加一致

 

（4）列删除

• 列删除指令，在原数据帧上删除指定的列，无返回值

del df[列索引]

• 列删除函数，在原数据帧上删除指定列，并返回被删除的列

df.pop(列索引)

• 列删除函数，默认在副本上删除指定列，并返回删除列之后的副本

df.drop(columns=列索引)

3.4.2 行操作

（1）行选择

• 使用行索引选择行

df.loc[行索引]、 df.loc[行索引列表]、df.loc[行索引切片]

• 使用行序号（0~n-1）选择行

df.iloc[行序号] 、 df.iloc[行序号列表]、df.iloc[行序号切片]

• 使用行索引和行序号切片选择行

df[行索引切片]、 df[行序号切片]

 

 

（2）行添加

df.append(other, ignore_index=False, verify_integrity=False, sort=False)

• other ：指定要添加的数据，DataFrame 或 Series 对象，或这些对象的列表

ignore_index ：如果为 True， 则重新进行0~n-1索引

• verify_integrity ：如果为 True ，则遇到重复索引内容时报错

• sort ：如果为 True，则当 df 和 other 的列未对齐时，按other列进行排序对齐

3.4.3 行列联合操作

可以先选行再选列，也可以先选列再选行。

常用的方式如下两例，利用iloc或loc选行再选列

 

 

 

2. rename函数

rename()方法实现 重命名 行索引或列索引（副本），通常使用原索引与新索

引（原列名与新列名）组成的字典作为参数。

DataFrame.rename(mapper=None, index=None, columns=None, axis=None,

copy=True, inplace=False, level=None, errors=‘ignore’)

3.5.2 重新设置索引

1. set_index方法

将列数据设置为行索引：

DataFrame.set_index(keys, drop=True, append=False, inplace=False,

verify_integrity=False)

• keys： 列索引 或 列索引列表 ，表示需要设置为索引的列。

• drop：默认为True，删除用作新索引的列。

• append：默认为False，是否将列附加到现有索引。

• inplace：默认为False，适当修改DataFrame(不要创建新对象)。

• verify_integrity：默认为false，检查新索引的副本。

 

1. 迭代DataFrame的列

（1）DataFrame的数据本身就是 多列构成 的，迭代DataFrame的列可直接

用 foreach 循坏。

（2） items() 返回(key，value)对，将每个列名作为键，将列数据的Series对

象作为值。

 

 

3.6.3 迭代

2. 迭代DataFrame的行

遍历DataFrame的行可以使用以下函数。

（1）iterrows()

将行迭代为(索引，系列)对，产生每个行索引值以及包含每行数据的序列。

（2）itertuples()

以namedtuples的形式迭代行，其中的值是行的数据。