三、 数据框行列更改

1 设置索引：

df.set_index('xxx')

2 重置索引（行号）：

df.reset_index(drop = True, inplace = True) # drop = True：原有索引就不会成为新的列

3 更改列名:

#方法一：直接法
df.columns = ['col1', 'col2', 'col3']

#方法二：(使用rename()函数：修改指定修改某列或某几列名字)
df.rename(columns={'0':'col1', '1':'col2', '2':'col3'}, inplace=True)

4 更改列序：

（1）将三列倒序：

#方法一：
df.iloc[:, ::-1]

#方法二
df.iloc[:, [-1,-2,-3]]

（2）交换两列位置：

#方法一
temp = df['popularity']
df.drop(labels=['popularity'], axis=1, inplace=True)
df.insert(0, 'popularity', temp)
df

#方法二:直接法，更改取列顺序
cols = df.columns[[1,0]]
df = df[cols]
df

（3）更改全部列排序：

order = ['xxx3', 'xxx1', 'xxx2']
df = df[order]

5 删除行列：

（1）DataFrame.drop用法：

''' 
DataFrame.drop(axis=0, how='any', thresh=None, subset=None, inplace=True)
    axis=0 行；axis=1 列；
    how：{'any', 'all'} -- 'any'：存在NA值就删除该行/列；'all'：所有值为NA才删除；
    thresh：int保留含有int个非空值的行；
    subset：对特定的列进行缺失值删除处理；
    inplace：False-返回新的数据集（默认），True-在原数据集上操作
'''

（2）删除最后一列：

#方法一：
del df['categories']

#方法二：
df.drop('categories',axis=1, inplace=True) #columns=['xxx']

#方法三：
df.drop([df.columns[df.shape[1]-1]], axis=1,inplace=True)

（3）删除某列所有为非数字的行：

# 先定义一个数组，存储非数字的索引，然后再drop()
k = []
for i in range(len(data)):
    if type(data['换手率(%)'][i]) != float: #data['换手率(%)'][i]或写成data.iloc[i, 13]
        k.append(i)
data.drop(labels=k, inplace=True)
data

6 两列合并成新的一列：（直接相加减）

df['test'] = df['education'] + df['createTime'] # 两列均为字符串类型
df['test1'] = df['salary'].map(str) + df['education'] # salary为int类型，需转换为字符串类型；

7 反转数据框的行：

df.iloc[::-1, :]
# [::-1]表示步长为-1, 从后往前倒序输出