pandas.dataframe_Python干货整理：处理Pandas Data Frame中的行和列

数据帧是一种二维数据结构，即数据以表格方式排列成行和列。

我们可以对行或列执行基本操作，如选择、删除、添加和重命名。

今天将使用nba.csv档案。

处理列

为了处理列，我们对列执行基本操作，如选择、删除、添加和重命名。

列选择:

为了在PandasDataFrame中选择一个列，我们可以通过调用它们的列名来访问它们。

# Import pandas package
import pandas as pd
  
# Define a dictionary containing employee data
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
        'Age':[27, 24, 22, 32],
        'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
        'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
  
# Convert the dictionary into DataFrame 
df = pd.DataFrame(data)
  
# select two columns
print(df[['Name', 'Qualification']])

产出：

柱加法:

在PandasDataFrame中添加一个列，将一个新列表声明为一个列并添加到现有的Dataframe中。

# Import pandas package 
import pandas as pd
  
# Define a dictionary containing Students data
data = {'Name': ['Jai', 'Princi', 'Gaurav', 'Anuj'],
        'Height': [5.1, 6.2, 5.1, 5.2],
        'Qualification': ['Msc', 'MA', 'Msc', 'Msc']}
  
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)
  
# Declare a list that is to be converted into a column
address = ['Delhi', 'Bangalore', 'Chennai', 'Patna']
  
# Using 'Address' as the column name
# and equating it to the list
df['Address'] = address
  
# Observe the result
print(df)

产出：

列删除:

删除Pandas DataFrame中的列，可以使用drop()方法。通过删除具有列名的列来删除列。

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed columns
data.drop(["Team", "Weight"], axis = 1, inplace = True)
  
# display
print(data)

产出：

新输出没有传递的列。这些值被删除。

因为AXIS设置为1，并且由于Inplace是True，所以在原始数据帧中进行了更改。

删除列之前的数据帧-

删除列后的数据帧-

处理行：

对行执行基本操作包括：选择、删除、添加和重命名。

行选择:
熊猫为从数据框架中检索行提供了一种独特的方法。DataFrame.loc[]方法用于从Pandas DataFrame检索行。行还可以通过将整数位置传递给伊洛克[]功能。

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
  
# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
  
  
print(first, "nnn", second)

产出：
如输出图像所示，返回了两个序列，因为两次都只有一个参数。

行加法:

在PandasDataFrame中添加一个Row，将旧的dataframe和新的数据连接起来。

# importing pandas module 
import pandas as pd 
    
# making data frame 
df = pd.read_csv("nba.csv", index_col ="Name") 
  
df.head(10)
  
new_row = pd.DataFrame({'Name':'Geeks', 'Team':'Boston', 'Number':3,
                        'Position':'PG', 'Age':33, 'Height':'6-2',
                        'Weight':189, 'College':'MIT', 'Salary':99999},
                                                            index =[0])
# simply concatenate both dataframes
df = pd.concat([new_row, df]).reset_index(drop = True)
df.head(5)

产出：添加行之前的数据帧-

添加行后的数据帧-

行删除:

用Drop()方法删除PandasDataFrame中的一行，通过按索引标签删除行。

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed values
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
                            "R.J. Hunter"], inplace = True)
  
# display
data

产出：
如输出图像所示，新输出没有传递的值。这些值被删除，并在原始数据框架中进行更改，因为Inplace是True。在删除值之前的数据帧-

删除值后的数据帧-