pandas 行、列的增删改查

读取tips.xlsx及预览内容

行的增删改查

增加行

直接赋值

# 可以只写一个值，也可以写列表
df.loc[40] = 1
df.loc[40] = [1,2,3,4,5,6,7]

append方法

# append 增加行的方法，设置ignore_index参数
df1 = df
df1 = df1.append(df,ignore_index=True)
df1

concat方法

# concat连接 会保留原来的行索引,需设置ignore_index
df2 = df
df3 = pd.concat([df,df2],ignore_index=True)
df3

删除行

# 要加inplace=True, 或者重新赋值给df,即df=df.drop([38,39])
df.drop([39],inplace=True)
df.drop([36,37,38],inplace=True)

# 删除连续行
#错误写法
df.drop([1:3])
# 正确写法
df = df.drop(range(1,4),axis=0)
df.drop(labels=range(1,4),axis=0)

改变某一行数据据

# 改一行的数据
df.loc[39] = [10,20,30,40,50,60,70]
# 改某行某列的一个值
df.loc[38,'total_bill'] = 100

查询行数据

# 查询单行
df.loc[1]  # 这是Series
# 查询连续几行,查出来是dataframe
df.loc[1:3]
df.loc[2:]
df.loc[:10]
df.loc[:]

列的增删改查

增加列

# 直接赋值
df['haha'] = 1

#列与列直接的运算，赋值给新列
df['rate'] = df['tip'] / df['total_bill']

# 指定位置插入列
df.insert(2,'rates',df.rate*100)
df

删除列

del df['haha']
# 要添加inplace=True 或者df重新赋值
df = df.drop(['rates','rate'],axis=1)

列的修改操作

# 修改某一列的值
df['total_bill'] = df['total_bill'] * 100
# 修改列名
df.rename(columns={'tip':'TIP'},inplace=True)
df = df.rename(columns={'tip':'TIP','day':'DAY'})

查询列数据

# 查出来是Series
df.sex
df['sex'] 
# 查出来是dataframe 
df[['sex']]
df[['sex','tip']]
# 筛选tip大于3的数据
df[df['tip'] > 3]
# 筛选tip大于3且 性别是男的
df[(df.tip > 3) & (df.sex == 'Male')]
df[(df['tip'] > 3) & (df['sex'] == 'Male')]
# pandas or的写法
df[(df.tip > 3) | (df.size < 5 )]

总结

简单的介绍行与列的增删改查，行与列本来就不是分的很开，这里方便大家查看所以才分的行、列的增删改查。可以结合起来进行某行某列，某几行某几列筛选、赋值。