DataFrame(3)：DataFrame列的操作

padas对列的操作是数据分析常用的操作，本文做些相关介绍

1、loc和iloc

loc适用于索引中的标签。iloc在索引中的位置上起作用。

1.1 loc基于行标签和列标签进行索引

loc先行后列，中间用逗号（,）隔开

df.loc['a','A'] #取a和A对应的数据
df.loc['a':'b',:] #取前两行对应数据
df.loc[:,'A':'B'] #取前两列对应数据
df.loc['a':'b','A':'B'] #取前两行和前两列对应数据
df.loc[['a','d'],['A','D']] #若取第一行和第四行、第一列和第四列对应的数据，则

1.2 iloc 基于行索引和列索引（index，columns）

行索引和列索引都是从 0 开始；如果数据的行标签和列标签名字太长或不容易记，则用 iloc 很方便，只需记标签对应的索引即可

df.iloc[0,0]
df.iloc[0:2,:] #取前两行对应数据
df.iloc[:,0:2] #取前两列对应数据
df.iloc[0:2,0:2] #取前两行和前两列对应数据
df.iloc[[0,3],[0,3]]#取第一行和第四行、第一列和第四列对应的数据

2、统计某一列中各个值的出现次数

比如要统计某列col_name各个值出现的次数,

df.loc[:,col_name].value_counts()
df[col_name].value_counts()

3、删除若干列

dataframe.drop([“a”,“b”,“c”], axis=1) #删除a，b，c列
dataframe.drop(subset=[“a”], axis=1) #删除a列

4、删除列数据

del(dataframe[‘A’]) #删除A列数据

5、增加列数据

dataframe[‘A’] = series #增加新列A，值为series
dataframe[‘A’] = dataframe[‘B’] + 4 #新增列A,为列B的值+4

6、对某一列重新赋值

dataframe[‘A’] = 0  #指定列所有值均为0

7、对值排序

df.sort_values(by=“open”, ascending=False)
df.sort_values(by=[‘open’, ‘high’]) 
by：指定排序参考的键，单个键或者多个键进行排序，ascending：默认True升序，False降序

8、对索引排序

 dataframe.sort_index() ascending:默认True升序，False降序

9、获取列数据

（1）dataframe[‘A’] <=> dataframe.A  #新series 通过列索引获取列数据
（2）dataframe[[‘A’]]                #新DataFrame 只有一列，双层中括号
（3）dataframe[[‘a’,‘c’]]            #新DataFrame 多列，双层中括号，不是连续索引

10、直接获取某一个值

dataframe[‘A’] [‘B’] #对应位置的值	直接使用行列索引名字的方式（先列后行）