pandas如何修改DataFrame行/列/字段值
更新時間：2023年08月15日 10:04:13 作者：guotianqing
這篇文章主要介紹了pandas如何修改DataFrame行/列/字段值問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
pandas修改DataFrame行/列/字段值
增加/修改一列
有如下幾種方法增加一列：
- 增加具有相同值的一列
import pandas as pd
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }
df=pd.DataFrame(dict,index=['2018','2019','2020'])
print(df)
print('\n')
print('Adding new column:')
print('\n')
df['Economics']=99
print(df) 結果如下：
- 增加定制值的一列，此方法也可以修改原有值
df['Economics']=99 df['Economics']=[99,85,56] print(df) df.at[:,'Economics']=[78,85,74] print(df) df.loc[:,'Economics']=[94,87,86] print(df) df2=df.assign(Economics=[92,81,66]) print(df)
輸出如下：
增加/修改一行
語法基本同列，直接上代碼：
# 增加具有相同值的一行 df.at[2021,:]=100 print(df) # 定制值，該方法也可修改該行原有值 df.loc['2022',:]=[89,21,87,59,22] print(df)
輸出如下：
刪除列
代碼：
# 只有刪除一列 del df['Economics'] # 可刪除多列，有多個參數(shù)，其中，axis=1表示列，0表示行，inplace表示是否本地修改，默認False，返回修改后的df，原df不變，True則表示修改原來的df df.drop(['English','Science'],axis=1,inplace=True)
結果如下：
刪除行
使用drop即可：
import pandas as pd
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }
df=pd.DataFrame(dict,index=['2018','2019','2020'])
df.at[2021,:]=100
df.at[2022,:]=[99,98,97,96]
print(df)
print('\n')
print('Deleting a row:')
print('\n')
df.drop(['2019'],axis=0,inplace=True)
print(df)
print('\n')
print('Deleting multiple rows:')
print('\n')
df.drop(df.index[[0,2]],axis=0,inplace=True)
print(df) 結果如下：
修改指定值
可以基于指定的列名和行名修改，也可以根據(jù)指定的行號和列號修改。
示例如下：
import pandas as pd
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }
df=pd.DataFrame(dict,index=['2018','2019','2020'])
print(df)
# 基于指定的列名和行名修改
using_name=df.Math['2019']=99
print(df)
# 根據(jù)指定的行號和列號修改
using_index=df.iloc[2,2]=99
print(df) 結果如下：
注意：
DataFrame提供了豐富的方法來操作數(shù)據(jù)，可以方便地對行列進行增刪改操作。
pandas更改DataFrame中的值
構造DataFrame
import pandas as pd
import numpy as np
dates = pd.date_range('20200315', periods = 5)
df = pd.DataFrame(np.arange(20).reshape((5,4)), index = dates, columns = ['A','B','C','D'])
print(df)
#輸出
? ? ? ? ? ? ?A ? B ? C ? D
2020-03-15 ? 0 ? 1 ? 2 ? 3
2020-03-16 ? 4 ? 5 ? 6 ? 7
2020-03-17 ? 8 ? 9 ?10 ?11
2020-03-18 ?12 ?13 ?14 ?15
2020-03-19 ?16 ?17 ?18 ?19運用loc、iloc更改值
我們可以利用索引或者標簽確定需要修改值的位置。
df.loc['20200318','C'] = 20200318 ? ? #標簽索引 df.iloc[2,3] = 20200318 ? ?#數(shù)字索引 print(df) #輸出 ? ? ? ? ? ? ?A ? B ? ? ? ? C ? ? ? ? D 2020-03-15 ? 0 ? 1 ? ? ? ? 2 ? ? ? ? 3 2020-03-16 ? 4 ? 5 ? ? ? ? 6 ? ? ? ? 7 2020-03-17 ? 8 ? 9 ? ? ? ?10 ?20200318 2020-03-18 ?12 ?13 ?20200318 ? ? ? ?15 2020-03-19 ?16 ?17 ? ? ? ?18 ? ? ? ?19
運用條件判斷更改值
如果現(xiàn)在的判斷條件是這樣, 我們想要更改B中的數(shù), 而更改的位置是取決于 C的. 對于C大于6的位置. 更改B在相應位置上的數(shù)為0.
df.B[df.C>6] = 0 ? ?#C字段中大于6的那些行在B字段中全都設為0 print(df) #輸出 ? ? ? ? ? ? ?A ?B ? ? ? ? C ? ? ? ? D 2020-03-15 ? 0 ?1 ? ? ? ? 2 ? ? ? ? 3 2020-03-16 ? 4 ?5 ? ? ? ? 6 ? ? ? ? 7 2020-03-17 ? 8 ?0 ? ? ? ?10 ?20200318 2020-03-18 ?12 ?0 ?20200318 ? ? ? ?15 2020-03-19 ?16 ?0 ? ? ? ?18 ? ? ? ?19
在DataFrame中添加一列
如果對整列做批處理, 加上一列 ‘E’, 并將 E 列全改為 NaN, 如下：
df['E'] = np.nan print(df) #輸出 ? ? ? ? ? ? ?A ? B ? C ? D ? E 2020-03-15 ? 0 ? 1 ? 2 ? 3 NaN 2020-03-16 ? 4 ? 5 ? 6 ? 7 NaN 2020-03-17 ? 8 ? 9 ?10 ?11 NaN 2020-03-18 ?12 ?13 ?14 ?15 NaN 2020-03-19 ?16 ?17 ?18 ?19 NaN
用上面的方法也可以加上 Series 序列（但是長度必須對齊）。
df['F'] = pd.Series([11,22,33,44,55],index = pd.date_range('20200315',periods = 5))
print(df)
#輸出
? ? ? ? ? ? ?A ? B ? C ? D ? E ? F
2020-03-15 ? 0 ? 1 ? 2 ? 3 NaN ?11
2020-03-16 ? 4 ? 5 ? 6 ? 7 NaN ?22
2020-03-17 ? 8 ? 9 ?10 ?11 NaN ?33
2020-03-18 ?12 ?13 ?14 ?15 NaN ?44
2020-03-19 ?16 ?17 ?18 ?19 NaN ?55總結
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
windows下 兼容Python2和Python3的解決方法
這篇文章主要介紹了windows下 兼容Python2和Python3的解決方法,需要的朋友可以參考下2018-12-12
這篇文章主要給大家總結介紹了Python和C/C++交互的幾種方法，文中介紹的非常詳細，對大家具有一定的參考學習價值，需要的朋友們下面來一起看看吧。2017-05-05
這篇文章主要給大家介紹了關于Python繪圖之turtle庫的基礎語法使用的相關資料, Turtle庫是Python語言中一個很流行的繪制圖像的函數(shù)庫,再繪圖的時候經常需要用到的一個庫需要的朋友可以參考下2021-06-06
Python使用Matplotlib繪制散點趨勢線的代碼詳解
Matplotlib是一個用于數(shù)據(jù)可視化的強大Python庫,其基本功能之一是創(chuàng)建帶有趨勢線的散點圖,散點圖對于可視化變量之間的關系非常有用,本文將指導您使用Matplotlib繪制散點趨勢線的過程,涵蓋線性和多項式趨勢線,需要的朋友可以參考下2025-01-01
Python2.7+pytesser實現(xiàn)簡單驗證碼的識別方法
這篇文章主要介紹了Python2.7+pytesser實現(xiàn)簡單驗證碼的識別方法,簡單分析了pytesser的安裝及Python2.7環(huán)境下實現(xiàn)驗證碼識別的相關操作技巧,需要的朋友可以參考下2017-12-12
本文主要介紹了三行代碼使用Python將視頻轉Gif的方法示例，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-10-10
這篇文章主要介紹了python 執(zhí)行函數(shù)的九種方法，幫助大家更好的理解和學習使用python，感興趣的朋友可以了解下2021-03-03
用python3讀取python2的pickle數(shù)據(jù)方式
今天小編就為大家分享一篇用python3讀取python2的pickle數(shù)據(jù)方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
本篇文章主要介紹了python音頻處理用到的操作的示例代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-10-10
這篇文章主要介紹了python字典基本操作,實例分析了Python的打印輸出、刪除、賦值等常用技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07