📌  相关文章
📜  在Pandas DataFrame中处理行和列

📅  最后修改于: 2020-04-19 14:57:55             🧑  作者: Mango

数据框DataFrame是二维数据结构，即，数据以表格形式在行和列中对齐。我们可以对行/列执行基本操作，例如选择，删除，添加和重命名。在本文中，我们正在使用nba.csv文件。

处理列

为了处理列，我们对列执行基本操作，例如选择，删除，添加和重命名。


列选择：
为了在Pandas DataFrame中选择列，我们可以通过按列名称调用它们来访问列。

# 导入pandas
import pandas as pd
# 定义包含员工数据的字典
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
        'Age':[27, 24, 22, 32],
        'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
        'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
# 将字典转换为DataFrame
df = pd.DataFrame(data)
# 选择两列
print(df[['Name', 'Qualification']])

输出：

Column Addition/添加列：
为了在Pandas DataFrame中添加列，我们可以将新列表声明为一列并添加到现有Dataframe中。

# 导入pandas
import pandas as pd
# 定义包含学生数据的字典
data = {'Name': ['Jai', 'Princi', 'Gaurav', 'Anuj'],
        'Height': [5.1, 6.2, 5.1, 5.2],
        'Qualification': ['Msc', 'MA', 'Msc', 'Msc']}
# 将字典转换为DataFrame
df = pd.DataFrame(data)
# 声明要转换为列的列表
address = ['Delhi', 'Bangalore', 'Chennai', 'Patna']
# 使用“Address"作为列名＃并将其等同于列表
df['Address'] = address
# 观察结果
print(df)

输出：


列删除现有DataFrame的列：
为了删除Pandas DataFrame中的列，我们可以使用该drop()方法。通过删除带有列名的列来删除列。

# 导入pandas
import pandas as pd
# 从csv文件制作数据帧
data = pd.read_csv("nba.csv", index_col ="Name" )
# 删除传递的列
data.drop(["Team", "Weight"], axis = 1, inplace = True)
# 打印
print(data)

输出：


如输出图像所示，新的输出没有传递的列。由于将axis设置为1，所以这些值将被删除，并且由于inplace为True，因此在原始数据帧中进行了更改。

删除列之前的数据框：



删除列之后的数据框：

处理行：

为了处理行，我们可以对行执行基本操作，例如选择，删除，添加和重新映射。

行选择：
pandas提供了一种从数据框中检索行的独特方法。DataFrame.loc[]方法用于从Pandas DataFrame检索行。也可以通过将整数位置传递给 iloc []函数来选择行。

# 导入pandas
import pandas as pd
# 从csv文件制作数据帧
data = pd.read_csv("nba.csv", index_col ="Name")
# 通过loc方法检索行
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
print(first, "\n\n\n", second)

输出：


如输出图像所示，由于两次都只有一个参数，因此返回了两个系列。

行相加：
为了增加在pandas数据帧一个新的行，我们可以Concat旧的数据帧和新的数据帧。

# 导入pandas
import pandas as pd
# 制作数据框
df = pd.read_csv("nba.csv", index_col ="Name")
df.head(10)
new_row = pd.DataFrame({'Name':'Geeks', 'Team':'Boston', 'Number':3,
                        'Position':'PG', 'Age':33, 'Height':'6-2',
                        'Weight':189, 'College':'MIT', 'Salary':99999},
                                                            index =[0])
# simply concatenate both dataframes
df = pd.concat([new_row, df]).reset_index(drop = True)
df.head(5)

输出：
添加行之前的数据帧：

添加行之后的数据帧：

行删除
为了删除Pandas DataFrame中的行，我们可以使用drop()方法。通过删除按索引的行标签来删除行。

# 导入pandas
import pandas as pd
# 从csv文件制作数据帧
data = pd.read_csv("nba.csv", index_col ="Name" )
# 删除传递的值
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
                            "R.J. Hunter"], inplace = True)
# 打印
data

输出：
如输出图像所示，新输出没有传递的值。由于inplace为True，因此删除了这些值，并在原始数据框中进行了更改。
删除值之前的数据帧：

删除值之后的数据帧：