3.pandas赋值及操作

最新推荐文章于 2024-04-05 08:19:03 发布
最新推荐文章于 2024-04-05 08:19:03 发布
阅读量1.6k 收藏 2
点赞数 1
分类专栏： python进阶 文章标签： python ar 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44632711/article/details/121244742
版权 
import pandas as pd
import numpy as np

dates = np.arange(20170101,20170107)  #取值
df1 = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D'])
df1
ABCD
201701010123
201701024567
20170103891011
2017010412131415
2017010516171819
2017010620212223
df1.iloc[2,2]   #第三行第三列的数据

10

df1.iloc[2,2] = 100   #对第二行第二列赋值
df1
ABCD
201701010123
201701024567
201701038910011
2017010412131415
2017010516171819
2017010620212223
df1.loc[20170102,'B'] = 200  #对20170102这行的B进行赋值
df1
ABCD
201701010123
20170102420067
201701038910011
2017010412131415
2017010516171819
2017010620212223
df1[df1.A>10] = 0   #将A列中大于10的数据都赋值为0
df1
ABCD
201701010123
20170102420067
201701038910011
201701040000
201701050000
201701060000
df1.A[df1.A==0] = 1   #将A列中等于0的行都赋值为1
df1
ABCD
201701011123
20170102420067
201701038910011
201701041000
201701051000
201701061000
df1['E'] = 10 #添加一列
df1
ABCDE
20170101112310
2017010242006710
20170103891001110
20170104100010
20170105100010
20170106100010
df1['F'] = pd.Series([1,2,3,4,5,6],index=dates)#添加一列
df1
ABCDEF
201701011123101
20170102420067102
201701038910011103
201701041000104
201701051000105
201701061000106
df1.loc[20170107,['A','B','C']] = [1,2,3] #添加一行 只对三列赋值，未赋值的列显示未NAN
df1
ABCDEF
201701011.01.02.03.010.01.0
201701024.0200.06.07.010.02.0
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
s1 = pd.Series([1,2,3,4,5,6],index=['A','B','C','D','E','F'])
s1.name = 'S1'
df2 = df1.append(s1)  #追加一行
df2
ABCDEF
201701011.01.02.03.010.01.0
201701024.0200.06.07.010.02.0
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
S11.02.03.04.05.06.0
df1.insert(1,'G',df2['E']) #在第一列插入索引为G的列，列中的值是df2中的E列的值
df1
AGBCDEF
201701011.010.01.02.03.010.01.0
201701024.010.0200.06.07.010.02.0
201701038.010.09.0100.011.010.03.0
201701041.010.00.00.00.010.04.0
201701051.010.00.00.00.010.05.0
201701061.010.00.00.00.010.06.0
201701071.0NaN2.03.0NaNNaNNaN
g = df1.pop('G')#弹出G列，命名为g
df1.insert(6,'G',g)#在第六行的位置插入，行名为G，内容为g的内容
df1
ABCDEFG
201701011.01.02.03.010.01.010.0
201701024.0200.06.07.010.02.010.0
201701038.09.0100.011.010.03.010.0
201701041.00.00.00.010.04.010.0
201701051.00.00.00.010.05.010.0
201701061.00.00.00.010.06.010.0
201701071.02.03.0NaNNaNNaNNaN
del df1['G']#删除G列
df1
ABCDEF
201701011.01.02.03.010.01.0
201701024.0200.06.07.010.02.0
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
df2 = df1.drop(['A','B'],axis=1)#删除AB列
df1
ABCDEF
201701011.01.02.03.010.01.0
201701024.0200.06.07.010.02.0
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
df2
CDEF
201701012.03.010.01.0
201701026.07.010.02.0
20170103100.011.010.03.0
201701040.00.010.04.0
201701050.00.010.05.0
201701060.00.010.06.0
201701073.0NaNNaNNaN
df2 = df1.drop([20170101,20170102],axis=0)#删除20170101,20170102行
df1
ABCDEF
201701011.01.02.03.010.01.0
201701024.0200.06.07.010.02.0
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
df2
ABCDEF
201701038.09.0100.011.010.03.0
201701041.00.00.00.010.04.0
201701051.00.00.00.010.05.0
201701061.00.00.00.010.06.0
201701071.02.03.0NaNNaNNaN
# drop可以删除列，删除行
# del只可以删除列
可可茜里的传说
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas.DataFrame 根据条件新建列并赋值的方法
09-20
DataFrame是Pandas库中的核心数据结构，它能够有效地进行数据操作和分析。在实际应用中，我们经常需要根据某些条件为DataFrame创建新的列，并对这些新列赋值。本文将详细探讨如何在Pandas DataFrame中根据条件新建列...
python pandas的基本使用及基本操作小例子！
12-21
在创建的数据表`new_pandas`中，我们可以进行各种操作，如条件赋值、填充缺失值： ```python new_pandas["col4"] = np.where(new_pandas["col1"] > 3000, "high", "low") new_pandas["col2"].fillna(new_pandas[...
对pandas将dataframe中某列按照条件赋值的实例讲解
09-19
今天小编就为大家分享一篇对pandas将dataframe中某列按照条件赋值的实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
3.Pandas赋值及数据操作
热门推荐
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
06-05 1万+
文章目录0 引言1 Pandas赋值2 Pandas数据操作 0 引言 Pandas处理表格的数据时，有时候需要对某一行或者某一列的一个值需要赋值，有时候也需要其他的数据操作，比如删除，更改等操作。 1 Pandas赋值 import pandas as pd import numpy as np 生成DataFrame表格数据 dates = np.arange(20200101,20200107) df1 = pd.DataFrame(np.arange(24).reshape((6,4)),inde
pandas 给指定行赋值
cuisidong1997的博客
04-05 687
df[[‘A’, ‘B’]] = new_df[[‘A’, ‘B’]] # 将df中的"A"和"B"列替换为new_df中对应的列。df.loc[df[‘A’] > 10, ‘B’] = 999 # 将"A"列大于10的行对应的"B"列的值赋值为999。df[[‘A’, ‘B’, ‘C’]] = s # 将df中的"A", “B”, "C"列替换为s中的值。df[‘A’] = [10, 20, 30] # 将"A"列的所有值替换为[10, 20, 30]
pandas数组的赋值，合并
javaLUO189的博客
09-30 1028
1.pandas数组赋值与numpy赋值方法一致 一维数组 data[3]=100 data[‘b’]=100 二维数组 data.loc[‘c’,‘d’]=np.nan data.iloc[3,4]=6 按条件赋值 data[data.isnull()]=300 空值赋值 对某列条件赋值（语法与numpy类似） 2.pandas数组合并 注：（numpy里 空值是np.nan） ...
pandas给符合特定条件的列赋值
cf_jack的专栏
03-18 5567
pandas可以给符合特定条件的列赋值，如果这个列不存在也可以创建列名并赋值。 需要注意的是：如果是赋值的内容是个列表，该列表的长度与过滤后的行数要相等。 ##获得需要赋值的列表，使用array，可以是series conver to array，这样可以使用np.title，扩展array，扩展方式为[1,2,1,2] in_week_mean = callin.loc[:,callin.columns.isin(day_list)].mean(axis=1).array dsp(i
Python pandas对excel的操作实现示例
09-16
本篇文章将深入探讨如何使用pandas对Excel文件进行操作，包括读取、写入、添加计算列以及条件计算等。 首先，读取Excel文件可以使用`pd.read_excel()`函数，例如`df1 = pd.read_excel('./excel-comp-data.xlsx')`。...
Pandas数据结构的增删改查操作new.pdf
06-14
在Pandas库中，数据处理的核心数据结构是Series和DataFrame，它们提供了丰富的增删改查功能，使得数据操作变得高效且便捷。本篇主要探讨Series的四种基本操作：查询（查）、修改（改）、增加（增）和删除（删）。 1...
Python pandas DataFrame操作的实现代码
09-19
下面将详细介绍如何在Python中进行pandas DataFrame的操作。 1. **从字典创建DataFrame**： 在Python中，可以使用字典来创建DataFrame。字典的键代表列名，值是列表或数组，列表中的元素是该列的值。如示例所示，...
Pandas:DataFrame对象的基础操作方法
12-23
列扩充是DataFrame常见的操作，可以新增一列并赋值。例如： ```python # 新增列 df2['col4'] = ['cnn', 'rnn'] df2['col5'] = pd.DataFrame(['MachineLearning', 'DeepLearning'], index=['a', 'b']) print(df2) ``...
python实现在pandas.DataFrame添加一行
09-20
总结，Python中的`pandas.DataFrame`提供了灵活且强大的方式来管理和操作数据，包括向DataFrame中添加新行。在本例中，我们使用了`loc`属性来实现这一功能，这在处理动态数据时非常有用。了解并熟练掌握这些方法对于...
Pandas学习笔记常用功能.pdf
11-16
掌握 Series 和 DataFrame 的创建、操作及数据类型的处理，能有效提升数据分析的效率。在实际应用中，Pandas 与其他 Python 库（如 NumPy、Matplotlib）结合使用，可以实现更为复杂的数据分析和可视化任务。通过不断...
Pandas学习笔记常用功能.docx
11-16
- 使用Python字典：`s = pd.Series({'a': 1, 'b': 2, 'd': 3}, index=['a', 'd', 'c', 'b'])` - 使用NumPy的ndarray：`s = pd.Series(np.random.randn(5), index=list('ABCDE'))` - 直接赋值特定值：`s = pd....
Pandas系列文档.pdf
10-15
3. **DataFrame**：DataFrame是Pandas中最常用的数据结构，类似于二维表格数据，包含行索引（index）、列索引（columns）和数据。数据可以是数值型、字符串、布尔值等多种类型，DataFrame支持大量的数据操作和分析...
pandas选择数据&pandas赋值及操作
shanshuyue的博客
11-05 2560
import numpy as np import pandas as pd dates = pd.date_range('20170101',periods=6) df1 = pd.DataFrame(np.arange(24).reshape((6,4)), index=dates,columns=['A','B','C','D']) df1 df1['A'] #提取A这个列，是series结构 #将DataFrame的列获取为一个Series df1.A
pandas学习笔记三之赋值操作
welcome_yu的博客
06-03 601
pandas常用函数，个人常用的
总裁余（余登武）博客
05-26 3083
1.创建DataFrame import numpy as np import pandas as pd data = {"姓名":["张三","小明","李强","汪小小","李四","王麻子","余总","肖强"], "score":[85,90,70,67,68,np.nan,100,86]} data=pd.DataFrame(data) print(data) 2.数据提取 提取姓名为余总的行 result=data[data['姓名'].str.contains("余总"
5 Pandas------5.3 基本数据操作(索引操作[loc或、iloc]、赋值操作、排序)
程序猿-凡白的博客
07-09 2116
文章目录5.3 基本数据操作学习目标1 索引操作1.1 直接使用行列索引(先列后行)1.2 结合loc或者iloc使用索引1.3 使用ix组合索引2 赋值操作3 排序3.1 DataFrame排序3.2 Series排序 ????本文代码(基本数据操作.ipynb)???? ????本文数据文件(stock_day.csv)???? 5.3 基本数据操作 学习目标 目标 - 记忆DataFrame的形状、行列索引名称获取等基本属性 - 应用Series和DataFrame的索引进行切片获取 - 应用sor
pandas series赋值
最新发布
04-09
赋值操作可以用来修改Series中的元素值或添加新的元素。 要给一个Series赋值，可以使用索引或标签来选择要修改的元素，并将新的值赋给它。下面是一些常见的赋值操作示例： 1. 使用索引赋值： ``` series_obj...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值