05 pandas DataFrame_删改查、索引器、读写文件

简介: === 获取内容 ===import pandas as pdimport numpy as npstu_info = pd.read_excel('student_info1.

=== 获取内容 ===

import pandas as pd
import numpy as np
stu_info = pd.read_excel('student_info1.xlsx',sheetname='countif').head(5)
stu_info
img_c415a5bfe2b5b70958c158a19239934e.png

1、 取列

# 单列
stu_info['语文']
# 多列
stu_info[['数学','语文']]
img_a4efaf796112da970a5ebae019de7736.png

2、 切片

# 行切片
stu_info1 = stu_info[0:3]
stu_info1
img_7aaee20ac38665c82b7686cddbb9c44f.png
# 列切片 使用转置
stu_info.T[0:3].T
img_651b28bd23e16ead4af4fb04d388f260.png

3、使用索引器
注意: stu_info1 = stu_info.ix[0] #版本更新可能会删除ix,使用loc或iloc代替

# loc[行,列] [a,A] [a:c,B:D] [[a,b,g],[R,E,A]]
stu_info.loc[0:2,'数学':'语文']
img_24b1934249395dff95c569ab8934df56.png

iloc[行下标,列下标] ,不再赘述

=== DataFrame 增删改 ===

1、学号2~3的人,语文成绩加10分

stu_info = pd.read_excel('student_info1.xlsx',sheetname='countif',index_col='学号').head(5)
#stu_info.loc[1:3,'语文']= stu_info.loc[1:3,'语文']+10
stu_info.loc[1:3,'语文']+=10
stu_info
img_beb4fe062fe4e2fea3463ce94093886d.png

2、修改一个人的全部成绩

stu_info = pd.read_excel('student_info1.xlsx',sheetname='countif',index_col='学号').head(5)
stu_info.loc[3] = [22,22,44] 
stu_info
img_7e3a2389564199b76624bbf15485f6b6.png

3、新增行、删除行

# 新增行
stu_info = pd.read_excel('student_info1.xlsx',sheetname='countif',index_col='学号').head(5)
stu_info.loc[6] = [33,33,66] 
stu_info

# 删除行
stu_info = stu_info.drop([1,3,5])
stu_info

# 删除列
stu_info = stu_info.drop('语文',axis=1)
stu_info
img_2e23bf42613c82324c520798f5caebf5.png

=== 写入文件 ===

# 写文件
stu_info.to_csv("output.csv")
# 读文件
stu_info1 = pd.read_csv('output.csv',encoding='gb2312')
stu_info1
img_50bf9f9f7900158e7b6383256223a1de.png
相关文章
|
3月前
|
存储 数据采集 数据处理
深入探索Pandas的DataFrame:基本用法与案例研究
深入探索Pandas的DataFrame:基本用法与案例研究
|
2月前
|
BI 数据处理 索引
Pandas基本操作:Series和DataFrame(Python)
Pandas基本操作:Series和DataFrame(Python)
117 1
|
3月前
|
机器学习/深度学习 Python
pandas将dataframe列中的list转换为多列
在应用机器学习的过程中,很大一部分工作都是在做数据的处理,一个非常常见的场景就是将一个list序列的特征数据拆成多个单独的特征数据。
51 0
|
3月前
|
人工智能 数据处理 计算机视觉
Pandas数据处理——渐进式学习、DataFrame(函数检索-请使用Ctrl+F搜索)
Pandas数据处理——渐进式学习、DataFrame(函数检索-请使用Ctrl+F搜索)
73 0
|
14天前
|
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)
|
14天前
|
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)
|
11天前
|
Python
使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序
使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序。示例代码展示了如何按'Name'和'Age'列排序 DataFrame。先按'Name'排序,再按'Age'排序。sort_values()的by参数接受列名列表,ascending参数控制排序顺序(默认升序),inplace参数决定是否直接修改原DataFrame。
23 1
|
11天前
|
NoSQL Serverless Python
在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。
在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。方法一是直接赋值,如`df['C'] = 0`,创建新列C并初始化为0。方法二是应用函数,例如定义`add_column`函数计算A列和B列之和,然后使用`df.apply(add_column, axis=1)`,使C列存储每行A、B列的和。
38 0
|
11天前
|
Python
在Pandas中,利用boolean indexing可按条件过滤DataFrame
【5月更文挑战第2天】在Pandas中,利用boolean indexing可按条件过滤DataFrame。通过&(和)和|(或)操作符可基于多个条件筛选。
19 1
|
14天前
|
编译器 索引 Python
Pandas之DataFrame,快速入门,迅速掌握(一)
Pandas之DataFrame,快速入门,迅速掌握(一)