📅  最后修改于: 2023-12-03 14:53:38.663000             🧑  作者: Mango
在 Pandas 中,列可以被认为是一个数据框(DataFrame)的“属性”(例如,一个身高的列可以是数据框中包含的一个属性)。而行则是 DataFrame 中的独立行数据。
使用 Pandas,可以轻松地筛选和操作这些行数据。
要选择数据框中的特定行,可以使用.loc[]
方法。该方法使用多个参数,用于选择想要的行和列。
例如,要选择第一行的所有列,可以使用以下代码:
df.loc[0,:]
如果想要选择整个数据框中的所有行,可以省略.loc[]
中的第一个参数。例如,以下代码将返回数据框中的所有行:
df.loc[:,:]
使用.loc[]
方法也可以将特定条件的行筛选出来。例如,以下代码将选出‘age’列等于 18 的所有行:
df.loc[df['age'] == 18,:]
要修改数据框中的特定行中的值,可以使用.at[]
方法。该方法的第一个参数指定要修改的行,第二个参数依次指定要修改的列。例如,以下代码将修改第一行中的 'name' 列的值为 'new_name':
df.at[0,'name'] = 'new_name'
向 Pandas 数据框添加一个新行可以使用.append()
方法。该方法需要传入要添加的行数据。例如,以下代码将向数据框添加一个新行:
df = df.append({'name':'new_name', 'age':25}, ignore_index=True)
ignore_index
参数将确保新行的索引值是唯一的。
要删除 Pandas 数据框中的行,可以使用.drop()
方法。该方法需要指定要删除的行的索引值,并设置axis
参数为0
。例如,以下代码将删除索引值为 0 的行:
df = df.drop(0, axis=0)
以上就是关于在 Pandas 中处理行数据的基础知识。Pandas 的强大功能可以轻松地处理任何大小的数据集。