Pandas之数组增删改查

Pandas之数组增删改查

1. 插入新的列或行

插入新行

没有专门用来插入行的方法，可以把待插入的行当作一个新的表，然后在纵轴上进行拼接。

插入新列

• 方法一：使用df.insert()

例如：在第二列后面插入一列并命名为“商品类别”

df.insert(2, "商品类别", ["value01", "value02", "value03", "value04"])

• 方法二：直接以索引的方式进行列的插入

df["商品类别"] = ["value01", "value02", "value03", "value04"]

2. 删除行和列

删除行

• 方法一：使用df.drop()，需要参数axis=0

例：删除第1行和第二行

df.drop(df.index[[0,1]], axis=0)
#或
df.drop(["第一行名", "第二行名"],axis=0)
# 或直接将行名传给index参数，这时候就不需要axis参数
df.drop(index = ["第一行名", "第二行名"])

• 方法二：直接筛选
  例：直接删除年龄大于40的行，并不删除，而是将相反部分取出来

df[df["年龄] < 40 ]

删除列

使用df.drop()

df.drop(df.columns[[0,1]],axis=1)
# 或
df.drop(["col1", "col2"], axis = 1)
# 或
df.drop(columns = ["col1", "col2"])

3. 修改列名和数值

修改列名

例：原列名[“cola”,“colb”,"colc]，改为[“col1”,“col2”,“col3”]

• 方法一：修改columns属性

df.columns = ["col1","col2","col3"]

• 方法二：renmae方法、columns参数

# 好处：可以用于修改特定列
df.rename(columns = {"cola":"col1", "colb":"col2", "colc":"col3"})

修改数值

例：把233替换成666

# 一对一替换
df.replace(233,666)
# 多对一替换
df.replace([233,223], 666)
# 多对多替换
df.replace({233:6, 223:666})

4. 索引与查找

索引

• 行索引：按列名或使用iloc索引
• 列索引：使用loc按行名或使用iloc按序号索引
• 按条件索引
• 布尔索引+一般索引
  例：

# 先筛年龄小于40的数据，再列出订单编号和年龄两列
df[df["年龄"] < 40][["订单编号", "年龄"]]

• 切片索引+普通索引
  例：

# 使用df.ix()
# 先切片索引前三行，列使用普通索引
df.ix[0:3, ["客户姓名", "唯一识别码]]