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
使用 Pandas 库时,如何处理数据的重复值?
在使用Pandas处理数据重复值时,需要根据具体的数据特点和分析需求,选择合适的方法来确保数据的准确性和唯一性。
1418 64
|
Python
dataframe添加一新列
dataframe添加一新列
2940 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
2734 1
|
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
1912 0
|
数据挖掘 数据处理 索引
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。
1844 29
|
索引 Python
如何在 Pandas 数据框中添加新列?
【8月更文挑战第30天】
1559 4
|
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
2917 0
python_DataFrame的loc和iloc取数据 基本方法总结
|
Python
在Python的pandas库中,向DataFrame添加新列简单易行
【6月更文挑战第15天】在Python的pandas库中,向DataFrame添加新列简单易行。可通过直接赋值、使用Series或apply方法实现。例如,直接赋值可将列表或Series对象分配给新列;使用Series可基于现有列计算生成新列;apply方法则允许应用自定义函数到每一行或列来创建新列。
2008 8
|
数据处理 Python
Pandas中的drop_duplicates()方法详解
Pandas中的drop_duplicates()方法详解
2529 2
|
SQL 数据挖掘 索引
Pandas数据筛选的5种技巧
Pandas数据筛选的5种技巧
1446 1

热门文章

最新文章