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
AI 代码解读
img_c415a5bfe2b5b70958c158a19239934e.png

1、 取列

# 单列
stu_info['语文']
# 多列
stu_info[['数学','语文']]
AI 代码解读
img_a4efaf796112da970a5ebae019de7736.png

2、 切片

# 行切片
stu_info1 = stu_info[0:3]
stu_info1
AI 代码解读
img_7aaee20ac38665c82b7686cddbb9c44f.png
# 列切片 使用转置
stu_info.T[0:3].T
AI 代码解读
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']
AI 代码解读
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
AI 代码解读
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
AI 代码解读
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
AI 代码解读
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
AI 代码解读
img_50bf9f9f7900158e7b6383256223a1de.png
目录
打赏
0
0
0
0
1138
分享
相关文章
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。
227 67
Pandas数据重命名:列名与索引为标题
Pandas 是强大的数据分析工具,支持灵活的数据结构和操作。本文介绍如何使用 Pandas 对 `DataFrame` 的列名和索引进行重命名,包括直接赋值法、`rename()` 方法及索引修改。通过代码示例展示了具体操作,并讨论了常见问题如名称冲突、数据类型不匹配及 `inplace` 参数的使用。掌握这些技巧可使数据更清晰易懂,便于后续分析。
110 29
Pandas中DataFrame合并的几种方法
Pandas中DataFrame合并的几种方法
460 0
Pandas数据结构:Series与DataFrame
本文介绍了 Python 的 Pandas 库中两种主要数据结构 `Series` 和 ``DataFrame`,从基础概念入手,详细讲解了它们的创建、常见问题及解决方案,包括数据缺失处理、数据类型转换、重复数据删除、数据筛选、排序、聚合和合并等操作。同时,还提供了常见报错及解决方法,帮助读者更好地理解和使用 Pandas 进行数据分析。
193 10
Pandas Series 和 DataFrame 常用属性详解及实例
Pandas 是 Python 数据分析的重要工具,其核心数据结构 Series 和 DataFrame 广泛应用。本文详细介绍了这两种结构的常用属性,如 `index`、`values`、`dtype` 等,并通过具体示例帮助读者更好地理解和使用这些属性,提升数据分析效率。
69 4
Pandas学习笔记之Dataframe
Pandas学习笔记之Dataframe
|
7月前
|
Pandas 中的重新索引
【8月更文挑战第30天】
107 1
如何在Pandas中将索引(index)转换为数据列
如何在Pandas中将索引(index)转换为数据列
612 0
数据分析师的秘密武器:精通Pandas DataFrame合并与连接技巧
【8月更文挑战第22天】在数据分析中,Pandas库的DataFrame提供高效的数据合并与连接功能。本文通过实例展示如何按员工ID合并基本信息与薪资信息,并介绍如何基于多列(如员工ID与部门ID)进行更复杂的连接操作。通过调整`merge`函数的`how`参数(如'inner'、'outer'等),可实现不同类型的连接。此外,还介绍了使用`join`方法根据索引快速连接数据,这对于处理大数据集尤其有用。掌握这些技巧能显著提升数据分析的能力。
114 1
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等