数据框是一种二维数据结构，即数据以表格的方式在行和列中对齐。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，我们使用的是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 中选择一列，我们可以通过列名调用它们来访问这些列。
# Import pandas package 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：
列添加：
为了在 Pandas DataFrame 中添加列，我们可以将新列表声明为列并添加到现有数据框。
# Import pandas package 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“地址”作为列名并将其等同于列表 df['Address'] = address # 观察结果 print(df)
输出：
有关更多示例，请参阅在 Pandas列删除中向现有 DataFrame 添加新列：为了删除 Pandas DataFrame 中的列，我们可以使用该方法。通过删除具有列名的列来删除列。
drop()
# importing pandas module import pandas as pd # 从csv文件制作数据框 data = pd.read_csv("nba.csv", index_col ="Name" ) # 删除通过的列 data.drop(["Team", "Weight"], axis = 1, inplace = True) # 展示 print(data)
输出：
如输出图像所示，新输出没有传递的列。这些值被删除，因为轴设置为等于 1，并且由于 inplace 为 True，因此在原始数据框中进行了更改。
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的操作，例如选择、删除、添加和重命名。
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 中检索行。也可以通过将整数位置传递给 iloc[] 函数来选择行。\
# importing pandas package import pandas as pd # 从csv文件制作数据框 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。
有关更多示例，请参阅Pandas 使用 .loc Row Addition提取行：为了在 Pandas DataFrame 中添加一行，我们可以将旧数据帧与新数据帧连接。
# importing pandas module 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]) # 简单地连接两个数据框 df = pd.concat([new_row, df]).reset_index(drop = True) df.head(5)
输出：
添加行前的数据框- 添加行
\
后的数据框-
\
删除行：
为了删除 Pandas DataFrame 中的一行，我们可以使用 drop() 方法。通过按索引标签删除行来删除行。
# importing pandas module import pandas as pd # 从csv文件制作数据框 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) # 展示 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。
删除值之前的数据框- 删除值
后的数据框
