【Pandas】（4）基本操作

选择数据

获取列

单列获取

要获取 DataFrame 的单个列，你可以使用列名以两种不同的方式：

1. 使用点（.）操作符，这种方式更像是访问对象的属性。
2. 使用方括号（[]）和列名，这种方式更像是从字典中获取值。

假设我们有以下 DataFrame：

import pandas as pd

data = {
   
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Salary': [50000, 70000, 80000]
}

df = pd.DataFrame(data)

获取 “Name” 列：

# 使用点操作符
name_column_dot = df.Name

# 使用方括号
name_column_brackets = df['Name']

多列获取

要获取 DataFrame 的多个列，你需要使用方括号（[]）将列名的列表传递给它。这将返回一个新的 DataFrame，只包含指定的列。

获取 “Name” 和 “Age” 列：

columns = df[['Name', 'Age']]

列的条件选择

你可以使用条件表达式来选择满足特定条件的列。这通常结合使用布尔索引完成。

选择 “Salary” 大于 60000 的所有记录：

high_salary = df[df['Salary'] > 60000]

动态选择列

当你需要根据变量或计算结果来选择列时，可以使用 .loc[] 和 .iloc[] 方法。.loc[] 用于基于列名选择，而 .iloc[] 用于基于列的整数位置选择。

# 使用 .loc[] 选择 'Name' 和 'Age' 列
selected_columns_loc = df.loc[:, ['Name', 'Age']]

# 使用 .iloc[] 选择前两列
selected_columns_iloc = df.iloc[:, 0:2]

获取行

使用 .loc[] （基于标签）

.loc[] 方法允许你通过标签索引来选择数据。当你知道行的标签名时，可以使用此方法。

import pandas as pd

data = {
   
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Salary': [50000, 70000, 80000]
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 选择标签为 'a' 的行
row_a = df.loc['a']

# 选择标签为 'a' 和 'b' 的行
rows_ab = df.loc[['a', 'b']]

使用 .iloc[] （基于位置）

.iloc[] 方法允许你通过行的位置（整数索引）来选择数据。这是在你知道行的具体位置时的选择方法。

# 选择第一行
first_row = df.iloc[0]

# 选择前两行
first_two_rows = df.iloc[0:2]

使用条件表达式

你可以使用条件表达式来选择满足特定条件的行。这通常是通过将条件表达式放在方括号内完成的。

# 选择 Age 大于 30 的所有行
older_than_30 = df[df['Age'] > 30]

使用切片

对于连续的行，你还可以使用 Python 的切片语法来选择行。这种方法既可以用在 .loc[] 也可以用在 .iloc[] 中。

# 使用切片选择前两行
first_two_rows_slice = df[0:2]

使用 .at[] 和 .iat[] 获取单个值

当你需要访问 DataFrame 的单个元素时，.at[]（基于标签）和 .iat[]（基于整数位置）方法提供了更快的访问方式。

# 使用 .at[] 获取特定单元格的值
name_of_a = df.at['a', 'Name']

# 使用 .iat[] 获取特定单元格的值
first_name = df.iat[0, 0]

修改数据

在 Pandas 中，赋值操作是数据处理的核心部分，它允许你在 DataFrame 或 Series 中修改、添加或更新数据。Pandas 提供了灵活的赋值方法，适用于各种数据操作需求。这里将详细介绍如何在 Pandas 中进行赋值。

修改单个值

使用 .at[] 和 .iat[]

• .at[] 用于根据行标签和列标签修改单个值。
• .iat[] 用于根据行和列的位置（整数索引）修改单个值。

import pandas as pd

df = pd.DataFrame({
   'A': [1, 2, 3], 'B': [4, 5, 6]})

# 使用行标签和列标签
df.at[0, 'A'] = 10

# 使用行和列的位置
df.iat[0, 1] = 40

修改多个值

使用布尔索引

布尔索引允许你根据条件来修改符合条件的多个值。

df[df['A'] > 1] = -1

使用 .loc[] 和 .iloc[]

• .loc[] 根据行标签和列标签选择数据进行修改。
• .iloc[] 根据行和列的位置选择数据进行修改。

# 修改第一行的 'A' 列
df.loc[0, 'A'] = 20

# 修改前两行的 'B' 列
df.loc[:1, 'B'] = [50, 60]

# 使用 .iloc 修改第一行第一列
df.iloc[0, 0] = 30

添加或更新列

直接赋值

直接赋值是添加新列或修改现有列最直接的方法。

# 添加新列 'C'
df['C'] = [7, 8, 9]

# 修改列 'A'
df['A'] = [100, 200,