【pandas基础】--数据修改
pandas 作为一种常用的数据分析工具，提供了广泛的数据修改方法。既可以针对行或者列的数据进行修改，也可以对具体单个元素进行修改，还可以基于条件选择要修改的行或者列的数据。
1. 增加数据
1.1 增加行数据
pandas的DataFrame增加一行或者多行数据之前是使用append方法。
import pandas as pd
df = pd.DataFrame(columns=["name", "age", "gender"])
df = df.append(
[
{"name": "小红", "age": 13, "gender": "女"},
{"name": "小明", "age": 15, "gender": "男"},
],
ignore_index=True,
)
df
使用append方法会有FutureWarning警告，说明append方法以后会被淘汰，不建议使用此方法来增加数据。
建议使用的方法是 concat。
当两个DataFrame列相同的时候，通过concat可以其中一个DataFrame的行添加到另一个DataFrame中。
import pandas as pd
df = pd.DataFrame(columns=["name", "age", "gender"])
new_data = pd.DataFrame(
{
"name": ["小红", "小明"],
"age": ,
"gender": ["男", "女"],
}
)
df = pd.concat()
df
1.2 增加列数据
增加列数据用insert方法，insert方法有关键参数有三个：
[*]loc：列插入的位置，从0开始
[*]column：列名称
[*]value：插入的值
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明"],
"age": ,
"gender": ["男", "女"],
}
)
df.insert(3, "score", )
df
如果想把新的列插入到前面，修改insert方法的第一个参数。
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明"],
"age": ,
"gender": ["男", "女"],
}
)
df.insert(1, "score", )
df
此外，前面增加行数据的concat方法也可以增加列数据，按列添加时，设置axis=1。
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明"],
"age": ,
"gender": ["男", "女"],
}
)
new_data = pd.DataFrame({"score": })
df = pd.concat(, axis=1)
df
2. 删除数据
删除数据使用drop方法，drop方法的axis参数控制删除行还是列。
2.1 删除行
删除单行：
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.drop(1, axis=0)
删除多个行：
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.drop(, axis=0)
2.2 删除列
删除单个列：
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.drop("age", axis=1)
删除多个列：
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.drop(["age", "gender"], axis=1)
3. 修改数据
修改数据既可以使用之前介绍过的loc和iloc方法，也可以通过条件过滤出需要修改的值。
这里再次提醒下loc和iloc的区别：
[*]loc使用标签，iloc使用索引
[*]loc的行和列的标签是包含端点的，iloc的行和列的索引是不包含端点的
3.1 单个数据修改
通过loc或者iloc定位到具体的元素，然后修改。
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.loc = "小黄"
# OR df.iloc = "小黄"
3.2 多个数据修改
通过loc或者iloc定位多个行和列，然后修改。
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.loc = 18
# OR df.iloc = 18
3.3 按条件修改
loc或者iloc也可以设置条件来过滤出要修改的数据。
import pandas as pd
df = pd.DataFrame(
{
"name": ["小红", "小明", "小华"],
"age": ,
"gender": ["男", "女", "男"],
}
)
df.loc > 13, "age"] = 20
# OR df.iloc > 13, 1] = 20
4. 总结回顾
数据分析中，调整数据的值来试验分析结果的变化情况是很常见的操作。
本篇主要介绍了数据修改的常用方法，从行列的修改到单个元素的修改，以及按照条件修改数据。
熟练掌握上面介绍的方法，让我们在数据分析中更好的掌控自己的数据。
来源:https://www.cnblogs.com/wang_yb/p/17406123.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]