快捷導(dǎo)航

Python Pandas 對列/行進行選擇，增加，刪除操作

更新時間：2020年05月17日 09:39:20 作者：AItrust

這篇文章主要介紹了Python Pandas 對列/行進行選擇，增加，刪除操作，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一、列操作

1.1 選擇列

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print (df ['one'])
# 選擇其中一列進行顯示，列長度為最長列的長度
# 除了 index 和 數(shù)據(jù)，還會顯示 列表頭名，和 數(shù)據(jù) 類型

運行結(jié)果：

a    1.0
b    2.0
c    3.0
d    NaN
Name: one, dtype: float64

1.2 增加列

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)

# Adding a new column to an existing DataFrame object with column label by passing new series

print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,30,20],index=['a','c','b'])
print(df)
# 增加列后進行顯示，其中 index 用于對應(yīng)到該列 元素 位置（所以位置可以不由 列表 中的順序進行指定）

print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['two']+df['three']
print(df)
# 我們選定列后，直接可以對整個列的元素進行批量運算操作，這里 NaN 與其他元素相加后，還是 NaN

運行結(jié)果：

Adding a new column by passing as Series:
   one two three
a 1.0    1   10.0
b 2.0    2   20.0
c 3.0    3   30.0
d NaN    4    NaN
Adding a new column using the existing columns in DataFrame:
   one two three four
a 1.0    1   10.0 12.0
b 2.0    2   20.0 24.0
c 3.0    3   30.0 36.0
d NaN    4    NaN   NaN

1.3 刪除列（del 和 pop 函數(shù)）

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
  'three' : pd.Series([10,20,30], index=['a','b','c'])}

df = pd.DataFrame(d)
print ("Our dataframe is:")
print(df)

# 使用 del 函數(shù)
print ("Deleting the first column using DEL function:")
del(df['one'])
print(df)

# 使用 pop 函數(shù)
print ("Deleting another column using POP function:")
df_2=df.pop('two') # 將一列 pop 到新的 dataframe
print(df_2)
print(df)

運行結(jié)果：

Our dataframe is:
   one two three
a 1.0    1   10.0
b 2.0    2   20.0
c 3.0    3   30.0
d NaN    4    NaN
Deleting the first column using DEL function:
   two three
a    1   10.0
b    2   20.0
c    3   30.0
d    4    NaN
Deleting another column using POP function:
   three
a   10.0
b   20.0
c   30.0
d    NaN
POP column:
a    1
b    2
c    3
d    4
Name: two, dtype: int64

二、行操作

2.1 選擇行

2.1.1 通過 label 選擇行（loc 函數(shù)）

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df.loc['b']) # 顯示這一行中，對應(yīng)表頭 下的 對應(yīng)數(shù)據(jù)，同時顯示 行 index 和 數(shù)據(jù)類型

運行結(jié)果：

one 2.0
two 2.0
Name: b, dtype: float64

2.1.2 通過序號選擇行（iloc 函數(shù)）

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df.iloc[2]) # 序號 2 對應(yīng)的是第 3 行的數(shù)據(jù)

運行結(jié)果：

one 3.0
two 3.0
Name: c, dtype: float64

2.1.3 通過序號選擇行切片

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df[2:4]) # 這里選擇第 3 到 第 4 行，與 Python 切片一致，不需要函數(shù)，直接切片即可

運行結(jié)果：

   one two
c 3.0    3
d NaN    4

2.2 增加行（append 函數(shù)）

# 通過 append 函數(shù)
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)
print(df) # 這里相當(dāng)于把 第二個 dataframe 與第一個進行拼接，默認(rèn)的 index 都是 0 1
print(df.loc[0]) # 這里有兩行的 index 是 0

運行結(jié)果：

a b
0 1 2
1 3 4
0 5 6
1 7 8
a b
0 1 2
0 5 6

2.3 刪除行（drop 函數(shù)）

# 通過 drop 函數(shù)
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)

df = df.drop(0) # 這里有兩個行標(biāo)簽為 0，所以直接刪除了 2 行
print(df)

運行結(jié)果：