更新多行数据框

在数据分析工作中，经常需要对数据框中的多行数据进行更新。如何快速而准确地更新多行数据框呢？本篇文章将为程序员提供介绍。

pandas.DataFrame.loc方法

pandas库是Python中用来处理数据的重要库之一，其中的DataFrame数据结构用来处理表格数据。为更新多行数据框，我们可以使用DataFrame.loc方法。loc方法可以根据行或列等标签进行数据查找和更新。

举个例子，我们有一个数据框，想要将其中name列为Tom的age改为30：

import pandas as pd

data = {'name':['Tom', 'Tom', 'Jerry', 'Jerry'], 'age':[25, 27, 23, 21]}
df = pd.DataFrame(data)

df.loc[df['name'] == 'Tom', 'age'] = 30

print(df)

输出结果为：

    name  age
0   Tom   30
1   Tom   30
2   Jerry 23
3   Jerry 21

在代码中，我们首先导入pandas库。然后创建了一个数据字典，并用它创建了一个数据框df。接下来，我们使用.loc方法，将数据框df中name列为Tom的age改为30。

需要注意的是，这种方法只能按照标签进行查找和更新。如果想要按照行号进行查找和更新，可以使用.iloc方法。

pandas.DataFrame.apply方法

如果要根据条件更新多列数据，可以使用apply方法。apply方法可以将一个函数应用到数据框的每一行或每一列，从而实现数据的批量更新。

例如，我们有一个数据框，其中包含了age和income两列数据，现在希望将age大于30岁的人的income都批量加10000元：

import pandas as pd

data = {'name':['Tom', 'Jerry', 'Mickey', 'Donald'], 'age':[25, 35, 42, 28], 'income':[50000, 60000, 70000, 80000]}
df = pd.DataFrame(data)

def func(row):
    if row['age'] > 30:
        return row['income'] + 10000
    else:
        return row['income']

df['income'] = df.apply(func, axis=1)

print(df)

输出结果为：

     name  age  income
0     Tom   25   50000
1   Jerry   35   70000
2  Mickey   42   80000
3  Donald   28   80000

在代码中，我们首先导入pandas库。然后创建了一个数据字典，并用它创建了一个数据框df。接下来，我们编写了一个函数func，用来判断每一行的年龄是否大于30，如果是，则将income加上10000元，否则返回原来的income。最后，我们将这个函数应用到数据框的每一行上，将income进行批量更新。

需要注意的是，apply方法需要传入一个函数，这个函数的输入参数为数据框的每一行或每一列，输出为处理后的结果。同时，需要指定axis参数为1，表示将函数应用到每一行上。

结语

本篇文章介绍了两种用于更新多行数据框的方法：pandas.DataFrame.loc方法和pandas.DataFrame.apply方法。这些方法可以帮助程序员快速而准确地更新多行数据框，提高工作效率。