pandas --基础操作(二) ：DataFrame 的增删改查、排序操作等基础操作

第一章 Python 数据分析之pandas的使用

第一章 Python 数据分析之pandas的使用
第一节: pandas --基础操作(一)： Serise 、DataFrame 创建和数据选择 基础操作
第二节: pandas – 基础操作(二)： DataFrame 的增删改查、排序操作等基础操作
第三节: pandas – 基础操作(三)：pandas 层次化索引创建、数据选择
第二章 Python 数据分析之 时间戳操作
第二章 python 数据分析之numpy的使用
第三章 python 数据可视化之matplotlib的使用

---

参考: https://pandas.pydata.org/pandas-docs/version/0.25.0/user_guide/advanced.html

---

前言

pandas — DataFrame基础操作（一），主要介绍的是series 和DataFrame的创建、查看数据、选择数据和缺失值的处理。接下来是对DataFrame基础操作的增删改查，其中查即为上一节的选择数据，还包括index和columns的常用的操作方法。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、二维 dataFrame 基础操作

1.1 df 数据的增、删、改、查

备注: axis=0 表示列，axis=1 表示行

(1) 增

# 【按列增加】
dd=['aa','bb','cc']
df.insert(0,'dd',dd)# 在第0列，添加名称为dd ，值为dd的数据
job =['aa','bb','cc','dd']
df['job']=job #添加job列
df.loc[:,'job']=['aa','bb','cc'] # 在df最后一列添加job

【按行增加】
df.loc[4]=['aa','bb','cc']  # 在第4行添加等号后边的数据
df_insert = pd.DataFrame({
   'job':['aa','bb','cc']},index=[5])
ndf = df.append(df_insert,ingore_index = True) # df_insert  添加的列，ingore_index 默认为False ，不忽略index的值，新生成的df采用df_index的index，True为自己默认生成。

(2) 删

• pop 弹出： a = df.pop(‘columns’) # a 为弹出的内容，df为剩下内容：改变原数据

df =pd.DataFrame({
   'a':[1,2,3],'b':[11,12,13],'c':[111,122,133]})
df
   a   b    c
0  1  11  111
1  2  12  122
2  3  13  133
df.pop('a')
0    1
1    2
2    3
Name: a, dtype: int64
df
    b    c
0  11  111
1  12  122
2  13  133

• del df[‘columns’] # 直接在原数据上修改，删除对应列

del df['b']
df
     c
0  111
1  122
2  133

• drop ：不改变原数据

  • columns名称操作

    b = df.drop(['columns1'，‘columns2’],axis=1,inplace=False)  
    # b 为删除后新的df，单列多列都可操作
    

  • columns列标号操作：对应的是列的标号，并非名称

     x=[1,2] # 1,2为列的标号 
     c =  df.drop[df.columns[x],axis=1,inplace=False]
    

# 列名称操作
df =pd.DataFrame({
   'a':[1,2,3],'b':[11,12,13],'c':[111,122,133]})
df
   a   b    c
0  1  11  111
1  2  12  122
2  3  13  133
df.drop(['a','b'],axis=1,inplace=False)
     c
0  111
1  122
2  133

#  列标号操作
x=[1,2]
c = df.drop(df.columns[x],axis=1,inplace=False)
c
   a
0  1
1  2
2  3

(3) 改
df.loc操作

df
   a   b    c
0  1  11  111
1  2  12  122
2  3  13  133
df.loc[0,['a','b']] =['aa','bb']   # 'a'列和'b'列第一行的数据修改
df
    a   b    c
0  aa  bb  111
1   2  12  122
2   3  13  133
df.loc[:,'a'] = ['01','02','03'] # 'a' 列整列数据的修改
df
    a   b    c
0  01  bb  111
1  02  12  122
2  03