DataFrame(6):DataFrame的增、删、改、查(二)

简介: DataFrame(6):DataFrame的增、删、改、查(二)

4、删

1)删除一行:df.drop(axis=0)

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
df.drop(["a","d"],axis=0)


结果如下:

image.png


2)删除一列:df.drop(axis=1)

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
df.drop(["B"],axis=1)


结果如下:

image.png

注意:使用drop()函数删除列的时候,如果原地修改df表,则必须要指定inplace=True。

 


3)删除列还有两个函数:del、pop

 这两个函数都属于原地删除df中的列,但是pop()函数删除某一列后,有返回值,返回值就是该删除列(Series),而del属于永久删除列,该列删除后就不存在了。


① del:永久的删除某一列数据

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
del df["C"]


结果如下:

image.png


② pop():删除某列数据,会得到一个返回值Series

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
df1 = df.pop("C")
display(df1)
display(df)


结果如下:

image.png


5、改

1)修改某行:df.loc()、df.iloc()

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
df.loc["a"] = [1,1,1,1]
display(df)
df.iloc[1] = [6,6,6,6]
display(df)


结果如下:

image.png


2)修改某列:df[ ]

df = pd.DataFrame({"A":[1,3,5,7,9],
                   "B":[2,4,6,8,10],
                   "C":[3,6,9,12,15],
                   "D":[1,2,3,4,5]},
                   index=list("abcde"))
display(df)
df["A"] = [1,1,1,1,1]
df


结果如下:

image.png

相关文章
|
Python
dataframe添加一新列
dataframe添加一新列
2486 2
|
SQL 索引 Python
Pandas中DataFrame合并的几种方法
Pandas中DataFrame合并的几种方法
1789 0
|
SQL JSON 数据库
DataFrame
【10月更文挑战第15天】
239 7
|
10月前
|
存储 数据挖掘 数据处理
掌握Pandas核心数据结构:Series与DataFrame的四种创建方式
本文介绍了 Pandas 库中核心数据结构 Series 和 DataFrame 的四种创建方法,包括从列表、字典、标量和 NumPy 数组创建 Series,以及从字典、列表的列表、NumPy 数组和 Series 字典创建 DataFrame,通过示例详细说明了每种创建方式的具体应用。
703 67
|
机器学习/深度学习 索引 Python
技术经验分享:DataFrame(1):结构介绍
技术经验分享:DataFrame(1):结构介绍
557 0
|
数据采集 索引 Python
Pandas之DataFrame,快速入门,迅速掌握(二)
Pandas之DataFrame,快速入门,迅速掌握(二)
456 0
|
SQL 数据库 索引
Pandas之DataFrame,快速入门,迅速掌握(三)
Pandas之DataFrame,快速入门,迅速掌握(三)
253 0
|
索引 Python
Python 教程之 Pandas(7)—— 遍历 Pandas DataFrame 中的行和列
Python 教程之 Pandas(7)—— 遍历 Pandas DataFrame 中的行和列
1128 0
|
存储 数据采集 数据处理
DataFrame赋值技巧:让数据处理更高效
DataFrame赋值技巧:让数据处理更高效
1089 0
|
数据挖掘 索引 Python
python_DataFrame的loc和iloc取数据 基本方法总结
python_DataFrame的loc和iloc取数据 基本方法总结
2205 0
python_DataFrame的loc和iloc取数据 基本方法总结