Python数据分析之 Pandas Dataframe修改和删除及查询操作

目录

• 一、查询操作
• 元素的查询
• 二、修改操作
• 行列索引的修改
• 元素值的修改
• 三、行和列的删除操作

一、查询操作

可以使用Dataframe的index属性和columns属性获取行、列索引。

import pandas as pd
data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
df = pd.DataFrame(data)
print(df.index)
print(df.columns)
df

结果输出如下：

元素的查询

DataFrame 元素查询有一下几种查询方式：使用[]切片、loc方法、iloc方法、at方法、iat方法等，下面分别介绍一下。

使用[]切片：

和Series数据结果一样，Dataframe也支持使用[]进行切片，使用方式也类似，通过行、列的下标或名称进行指定位置元素的查询。

例如：

# 获取第0行数据
df[0:1]
# 获取第2-4行数据(不包括4)
df[2:4]
# 获取某一列
df.name  # df["name"]
# 获取某几列
df[["name", "gender"]]
# 获取指定行指定列
df[2:4][["name", "gender"]]

通过loc方法和iloc方法：

其中loc方法是以行索引的名称和列索引的名称作为参数使用，iloc方法是以行索引的位置和列索引的位置作为参数使用，具体使用方式如下：

# 获取某行
df.loc[1]
df.iloc[1]
# 获取多行
df.loc[1:3]
df.iloc[1:3]
# 获取某列
df.loc[:, "name"]
df.iloc[:, 0]
# 获取多列
df.loc[:, ["name","gender"]]
df.iloc[:, [0,2]]

除了上面这些， 这里有一点需要注意一下，就是使用loc方法行索引参数为区间时，区间前后都为闭区间；而iloc为前闭后开区间。

通过at方法和iat方法：

at和iat的使用方法与loc和iloc类似，不同的是，at和iat只能访问单个元素，不能访问多个元素，但是查询速度比loc和iloc更快一些，具体使用如下：

# 查询index为0列名为name的元素
df.at[0, "name"]
# 查询第2行第1列的元素
df.iat[2,1]

说完Dataframe的查询操作，这篇文章就来介绍一下Dataframe数据的修改及删除操作。

二、修改操作

行列索引的修改

Dataframe对象提供了rename()方法修改行索引、列索引，默认修改行索引，可以指定columns参数修改列索引，

具体使用方法如下：

# 修改指定行索引
df.rename({1:"one", 2:"two"}, inplace=True)
# 修改指定列索引
df.rename(columns={"city": "address"}, inplace=True)
df

结果输出如下：

参数inplace=True表示在原来的 DataFrame 上进行修改。

元素值的修改

上面查询操作说到说到可以通过loc、iloc、at、iat等方法获取指定位置的值，修改其实也是通过这些方法先指定某个位置，然后进行赋值即可修改，例如：

# 修改1-2行age和city列的数据
df.loc[1:2, ["age","city"]] = [["22", "北京"],["21", "济南"]]
# 修改gender列 man-->男
df.loc[df["gender"]=="man", "gender"] = "男"
df

输出结果如下：

三、行和列的删除操作

DataFrame提供了drop()方法进行行和列的删除操作。

具体用法和参数如下：

df.drop(labels=None, axis=0, index=None, columns=None, inplace=False)

• labels：指定要删除的行或列，可以使用列表指定多个行/列索引
• axis：取值为0和1，代表行和列，默认为0，表示要删除的是行，设置为1表示删除列
• index：指定要删除的行，可以使用列表指定多个行索引
• columns：指定要删除的列，同样可以使用列表指定多个列索引
• inplace：默认为False，设置为True表示在原 DataFrame 上进行修改

具体通过代码看下：

# 删除单行
df.drop(4, inplace=True)
# 删除多行
df.drop([1,3], inplace=True)
# 删除多列
df.drop(["gender","city"], axis=1, inplace=True)  # 或 df.drop(columns=["genger","city"], inplace=True)
df

到此这篇关于Python数据分析之 Pandas Dataframe修改和删除及查询操作的文章就介绍到这了,更多相关Pandas Dataframe修改和删除内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！