pandas中行和列操作（“增，删，改，查”）

@pandas中行和列操作（“增，删，改")

---

前言

主要了解“增，删，改”

---

一、增

1.一维

代码如下（示例）：

如果加入的索引是一样的添加的数据可以为行上，否则 反之！

pf = pd.DataFrame(np.arange(1,17).reshape(4,4),index=["a","b","c","d"],columns=["A","B","C","D"])

#     A   B   C   D
# a   1   2   3   4
# b   5   6   7   8
# c   9  10  11  12
# d  13  14  15  16
pf["f"] = 17  # 会改变原来的数据
print(pf)
#    A   B   C   D   f
# a   1   2   3   4  17
# b   5   6   7   8  17
# c   9  10  11  12  17
# d  13  14  15  16  17


s1 = pd.Series(np.arange(4),index=["A","B","C","D"])
p = pf.append(s1,ignore_index=True)
print(p)
#       A     B     C     D     f
# 0   1.0   2.0   3.0   4.0  17.0
# 1   5.0   6.0   7.0   8.0  17.0
# 2   9.0  10.0  11.0  12.0  17.0
# 3  13.0  14.0  15.0  16.0  17.0
# 4   0.0   1.0   2.0   3.0   NaN


dirt1 = {
    "city":["上海","天津","厦门"],
    "name":["小A","小B","小白"],
    "sex":["12","34","25"]
}

arr1 = pd.DataFrame(dirt1)
print(arr1)
#  city name sex
# 0   上海   小A  12
# 1   天津   小B  34
# 2   厦门   小白  25
dirt2 = {
    "city":"深圳",
    "name":"小黑",
    "sex":"17"
}
arr2 = arr1.append(dirt2,ignore_index=True)
print(arr2)
#   city name sex
# 0   上海   小A  12
# 1   天津   小B  34
# 2   厦门   小白  25
# 3   深圳   小黑  17

2.二维

dirt1 = {
    "city":["上海","天津","厦门"],
    "name":["小A","小B","小白"],
    "sex":["12","34","25"]
}

arr1 = pd.DataFrame(dirt1)
print(arr1)
#  city name sex
# 0   上海   小A  12
# 1   天津   小B  34
# 2   厦门   小白  25
p = arr1.insert(3,"age",[99,99,99])  # 插入的位置  列名  列值
print(arr1)
#  city name sex  age
# 0   上海   小A  12   99
# 1   天津   小B  34   99
# 2   厦门   小白  25   99
arr1["work"] = ["程序员","CEO","主持人"]
print(arr1)
#   city name sex  age work
# 0   上海   小A  12   99  程序员
# 1   天津   小B  34   99  CEO
# 2   厦门   小白  25   99  主持人

2.删

del
drop( self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=“raise” )

1.一维

代码如下（示例）：

arr1 = pd.Series(np.arange(6))
arr2 = arr1.drop(2)  # 不改变原来数据
print(arr2)
del arr1[1]  # 改变原来数据
print(arr1)

2.二维

代码如下（示例）：

pf = pd.DataFrame(np.arange(1,17).reshape(4,4),columns=["A","B","C","D"])
sc1 = pf.drop("A",axis=1)  # 删列 axis确定方向
print(sc1)
sc2 = pf.drop(2)  # 删行 (默认)
print(sc2)
del pf["A"]  # del 可以删列 不可删行
print(pf)

2.改

1.改内容

只能改列，如果你要改的列没有就会添加一列
要改行或者具体的一个数可以借助loc,iloc
代码如下（示例）：

pf = pd.DataFrame(np.arange(1,17).reshape(4,4),columns=["A","B","C","D"])
pf["B"]=["20","60","100","140"]
print(pf)
pf.loc[0]=["20","60","100","140"]
pf.iloc[1,1]="dog"
print(pf)

2. 改标签名

借助 remane
代码如下（示例）：

pf = pd.DataFrame(np.arange(1,17).reshape(4,4),columns=["A","B","C","D"])
pf.rename(index={1:"one"},columns={"C":"c"},inplace=True)
print(pf)

---

总结

索引切片就是查