6-对象操作--数据分析

Series对象的增删改查

In [1]:

import pandas as pd

In [2]:

data = [10,11,12]

index = ['a','b','c']

s = pd.Series(data=data,index=index)

s

Out[2]:

a    10
b    11
c    12
dtype: int64

通过boolean类型来显示符合条件的数据

• 查询数据

In [3]:

mask = [True,False,True]

s[mask]

Out[3]:

a    10
c    12
dtype: int64

In [4]:

s['b']

Out[4]:

11

In [5]:

s.loc['b']

Out[5]:

11

In [6]:

s.iloc[1]

Out[6]:

11

修改Series的数据

In [7]:

s1 = s.copy()

s1['a']=101

s1

Out[7]:

a    101
b     11
c     12
dtype: int64

replace():修改数据方法。to_replace:将要修改的数据 value：修改的新值 inplace：是否替换原有数据

In [12]:

s1.replace(to_replace=101,value=102,inplace=False)

Out[12]:

a    102
b     11
c     12
dtype: int64

修改索引

In [15]:

s1.index

Out[15]:

Index(['a', 'b', 'c'], dtype='object')

In [18]:

s1.index=['c','b','a']

s1

Out[18]:

c    102
b     11
a     12
dtype: int64

In [24]:

s1.rename(index={'a':'A'},inplace=True)

s1

Out[24]:

c    102
b     11
A     12
dtype: int64

增加数据

In [27]:

s2 = pd.Series([100,500],index=['f','g'])

s2

Out[27]:

f    100
g    500
dtype: int64

append()方法添加元素

In [28]:

s1.append(s2)

Out[28]:

c    102
b     11
A     12
f    100
g    500
dtype: int64

In [31]:

s3 = s1.append(s2)

s3['v']=50

s3

Out[31]:

c    102
b     11
A     12
v     50
f    100
g    500
dtype: int64

ignore_index: 是否生保留原来的索引 False：保留原来索引 True：生成新的索引

In [32]:

s1.append(s2,ignore_index=True)

Out[32]:

0    102
1     11
2     12
3     50
4    100
5    500
dtype: int64

删除操作

In [36]:

s1

Out[36]:

c    102
b     11
v     50
dtype: int64

In [38]:

del s1['v']

s1

Out[38]:

c    102
b     11
dtype: int64

In [40]:

s1.drop(['c','b'],inplace=True)

s1

Out[40]:

Series([], dtype: int64)

DataFrame对象的增删改查

In [42]:

data = [[1,2,3],[4,5,6]]

index=['a','b']

columns=['A','B','C']

df = pd.DataFrame(data=data,index=index,columns=columns)

df

Out[42]:

	A	B	C
a	1	2	3
b	4	5	6

查询数据

In [43]:

df['A']

Out[43]:

a    1
b    4
Name: A, dtype: int64

In [44]:

df.iloc[0]

Out[44]:

A    1
B    2
C    3
Name: a, dtype: int64

In [45]:

df.loc['a']

Out[45]:

A    1
B    2
C    3
Name: a, dtype: int64

修改数据

In [46]:

df.loc['a']['A']=150

df

Out[46]:

	A	B	C
a	150	2	3
b	4	5	6

In [47]:

df.index=['f','g']

df

Out[47]:

	A	B	C
f	150	2	3
g	4	5	6

增加数据

In [48]:

df.loc['c']=[1,2,3]

df

Out[48]:

	A	B	C
f	150	2	3
g	4	5	6
c	1	2	3

In [49]:

data = [[1,2,3],[4,5,6]]

index=['p','l']

columns=['A','B','C']

df2 = pd.DataFrame(data=data,index=index,columns=columns)

df2

Out[49]:

	A	B	C
p	1	2	3
l	4	5	6

In [50]:

### concat() 将两个DataFrame数据连接为一个新的数据

In [52]:

df3 = pd.concat([df,df2])

df3

Out[52]:

	A	B	C
f	150	2	3
g	4	5	6
c	1	2	3
p	1	2	3
l	4	5	6

增加一个列

In [53]:

df2['Tage']=[10,11]

df2

Out[53]:

	A	B	C	Tage
p	1	2	3	10
l	4	5	6	11

In [58]:

df4 = pd.DataFrame([[10,11],[12,13]],index=['p','l'],columns=['D','E'])

df4

Out[58]:

	D	E
p	10	11
l	12	13

In [59]:

df5 = pd.concat([df2,df4],axis=1)

df5

Out[59]:

	A	B	C	Tage	D	E
p	1	2	3	10	10	11
l	4	5	6	11	12	13

删除操作

• 按行删除

In [61]:

df5.drop(['p'],axis=0,inplace=True)

df5

Out[61]:

	A	B	C	Tage	D	E
l	4	5	6	11	12	13

• 按列删除

In [63]:

del df5['Tage']

df5

Out[63]:

	A	B	C	D	E
l	4	5	6	12	13

In [65]:

df5.drop(['A','B','C'],axis=1,inplace=True)

df5

Out[65]:

	D	E
l	12	13