一、查詢(xún)操作

可以使用Dataframe的index屬性和columns屬性獲取行、列索引。

import pandas as pd
data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
df = pd.DataFrame(data)
print(df.index)
print(df.columns)
df

結(jié)果輸出如下：

元素的查詢(xún)

DataFrame 元素查詢(xún)有一下幾種查詢(xún)方式：使用[]切片、loc方法、iloc方法、at方法、iat方法等，下面分別介紹一下。

使用[]切片：

和Series數(shù)據(jù)結(jié)果一樣，Dataframe也支持使用[]進(jìn)行切片，使用方式也類(lèi)似，通過(guò)行、列的下標(biāo)或名稱(chēng)進(jìn)行指定位置元素的查詢(xún)。

例如：

# 獲取第0行數(shù)據(jù)
df[0:1]
# 獲取第2-4行數(shù)據(jù)(不包括4)
df[2:4]
# 獲取某一列
df.name  # df["name"]
# 獲取某幾列
df[["name", "gender"]]
# 獲取指定行指定列
df[2:4][["name", "gender"]]

通過(guò)loc方法和iloc方法：

其中l(wèi)oc方法是以行索引的名稱(chēng)和列索引的名稱(chēng)作為參數(shù)使用，iloc方法是以行索引的位置和列索引的位置作為參數(shù)使用，具體使用方式如下：

# 獲取某行
df.loc[1]
df.iloc[1]
# 獲取多行
df.loc[1:3]
df.iloc[1:3]
# 獲取某列
df.loc[:, "name"]
df.iloc[:, 0]
# 獲取多列
df.loc[:, ["name","gender"]]
df.iloc[:, [0,2]]

除了上面這些， 這里有一點(diǎn)需要注意一下，就是使用loc方法行索引參數(shù)為區(qū)間時(shí)，區(qū)間前后都為閉區(qū)間；而iloc為前閉后開(kāi)區(qū)間。

通過(guò)at方法和iat方法：

at和iat的使用方法與loc和iloc類(lèi)似，不同的是，at和iat只能訪問(wèn)單個(gè)元素，不能訪問(wèn)多個(gè)元素，但是查詢(xún)速度比loc和iloc更快一些，具體使用如下：

# 查詢(xún)index為0列名為name的元素
df.at[0, "name"]
# 查詢(xún)第2行第1列的元素
df.iat[2,1]

說(shuō)完Dataframe的查詢(xún)操作，這篇文章就來(lái)介紹一下Dataframe數(shù)據(jù)的修改及刪除操作。

二、修改操作

行列索引的修改

Dataframe對(duì)象提供了rename()方法修改行索引、列索引，默認(rèn)修改行索引，可以指定columns參數(shù)修改列索引，

具體使用方法如下：

# 修改指定行索引
df.rename({1:"one", 2:"two"}, inplace=True)
# 修改指定列索引
df.rename(columns={"city": "address"}, inplace=True)
df

結(jié)果輸出如下：

參數(shù)inplace=True表示在原來(lái)的 DataFrame 上進(jìn)行修改。

元素值的修改

上面查詢(xún)操作說(shuō)到說(shuō)到可以通過(guò)loc、iloc、at、iat等方法獲取指定位置的值，修改其實(shí)也是通過(guò)這些方法先指定某個(gè)位置，然后進(jìn)行賦值即可修改，例如：

# 修改1-2行age和city列的數(shù)據(jù)
df.loc[1:2, ["age","city"]] = [["22", "北京"],["21", "濟(jì)南"]]
# 修改gender列 man-->男
df.loc[df["gender"]=="man", "gender"] = "男"
df

輸出結(jié)果如下：

三、行和列的刪除操作

DataFrame提供了drop()方法進(jìn)行行和列的刪除操作。

具體用法和參數(shù)如下：

df.drop(labels=None, axis=0, index=None, columns=None, inplace=False)

• labels：指定要?jiǎng)h除的行或列，可以使用列表指定多個(gè)行/列索引
• axis：取值為0和1，代表行和列，默認(rèn)為0，表示要?jiǎng)h除的是行，設(shè)置為1表示刪除列
• index：指定要?jiǎng)h除的行，可以使用列表指定多個(gè)行索引
• columns：指定要?jiǎng)h除的列，同樣可以使用列表指定多個(gè)列索引
• inplace：默認(rèn)為False，設(shè)置為T(mén)rue表示在原 DataFrame 上進(jìn)行修改

具體通過(guò)代碼看下：

# 刪除單行
df.drop(4, inplace=True)
# 刪除多行
df.drop([1,3], inplace=True)
# 刪除多列
df.drop(["gender","city"], axis=1, inplace=True)  # 或 df.drop(columns=["genger","city"], inplace=True)
df

到此這篇關(guān)于Python數(shù)據(jù)分析之 Pandas Dataframe修改和刪除及查詢(xún)操作的文章就介紹到這了,更多相關(guān)Pandas Dataframe修改和刪除內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！