快捷導(dǎo)航

Python?Pandas多種添加行列數(shù)據(jù)方法總結(jié)

更新時(shí)間：2022年07月11日 15:56:53 作者：CHD托馬斯

在進(jìn)行數(shù)據(jù)分析時(shí)經(jīng)常需要按照一定條件創(chuàng)建新的數(shù)據(jù)列,然后進(jìn)行進(jìn)一步分析,下面這篇文章主要給大家介紹了關(guān)于Python?Pandas多種添加行列數(shù)據(jù)方法的相關(guān)資料,需要的朋友可以參考下

前言

發(fā)現(xiàn)自己學(xué)習(xí)python 的各種庫老是容易忘記，所有想利用這個(gè)平臺(tái)，記錄和分享一下學(xué)習(xí)時(shí)候的知識(shí)點(diǎn)，以后也能及時(shí)的復(fù)習(xí)，最近學(xué)習(xí)pandas，那我們來看看pandas添加數(shù)據(jù)的一些方法

創(chuàng)建一個(gè)dataframe

1. 增加列數(shù)據(jù)

為dataframe增加一列新數(shù)據(jù)，需要確保增加列的長度與原數(shù)據(jù)保持一致

如果是增加一列相同數(shù)據(jù)可以直接輸入

df['level'] = 1

插入的數(shù)據(jù)是需要通過源數(shù)據(jù)進(jìn)行計(jì)算的（eval這個(gè)方法感覺比較好用）

df.eval('grade_level = grade * level',inplace = True)

使用insert函數(shù)可以在指定列添加列數(shù)據(jù)，這個(gè)函數(shù)有好幾個(gè)參數(shù)，使用更加靈活

df.insert(loc, column, value, allow_duplicates=False)

增加列數(shù)據(jù)的方法還有很多，我只把自己比較常用的記錄了下來

2. 增加行數(shù)據(jù)

比較多的方法有 loc 、iloc、append都行，先看loc這個(gè)方法，它是通過 df.loc[index名稱] = [對(duì)應(yīng)的數(shù)據(jù)]，這個(gè)方法要主要index如果是與原表中有重復(fù)，則會(huì)將原數(shù)據(jù)修改，如果沒有重復(fù)的話，就是在最后面添加對(duì)應(yīng)數(shù)據(jù)，其中的index名稱是根據(jù)輸入的寫入，需要注意！

第二個(gè)是通過df.iloc[index位置] = [對(duì)應(yīng)數(shù)據(jù)] 進(jìn)行修改這個(gè)方法是對(duì)原有數(shù)據(jù)進(jìn)行修改，并不是增加一行數(shù)據(jù)

使用append（）函數(shù)添加一行數(shù)據(jù)，其中ignore_index=True,否則報(bào)錯(cuò)

append()往往做法比較多的是添加一個(gè)另外一個(gè)dataframe的數(shù)據(jù)到原來數(shù)據(jù)上，爬蟲時(shí)候用得比較多，將每一頁的數(shù)據(jù)保存到一個(gè)臨時(shí)的dataframe中，將這個(gè)臨時(shí)的dataframe數(shù)據(jù)插入到總的dataframe后面，最后得到總的數(shù)據(jù)，且效率較高

當(dāng)然還有concat、merge等方法可以達(dá)到相同的效果，下次有機(jī)會(huì)在繼續(xù)學(xué)習(xí)

補(bǔ)充：pandas根據(jù)現(xiàn)有列新添加一列

pandas中一個(gè)Dataframe，經(jīng)常需要根據(jù)其中一列再新建一列，比如一個(gè)常見的例子：需要根據(jù)分?jǐn)?shù)來確定等級(jí)范圍，下面我們就來看一下怎么實(shí)現(xiàn)。

def getlevel(score):
    if score < 60:
        return "bad"
    elif score < 80:
        return "mid"
    else:
        return "good"


def test():
    data = {'name': ['lili', 'lucy', 'tracy', 'tony', 'mike'],
            'score': [85, 61, 75, 49, 90]
            }
    df = pd.DataFrame(data=data)
    # 兩種方式都可以
    # df['level'] = df.apply(lambda x: getlevel(x['score']), axis=1)
    df['level'] = df.apply(lambda x: getlevel(x.score), axis=1)

    print(df)

上面代碼運(yùn)行結(jié)果