Python數(shù)據(jù)分析之Pandas?Dataframe怎么修改、刪除及查詢

這篇文章主要介紹“Python數(shù)據(jù)分析之Pandas Dataframe怎么修改、刪除及查詢”的相關(guān)知識(shí)，小編通過實(shí)際案例向大家展示操作過程，操作方法簡單快捷，實(shí)用性強(qiáng)，希望這篇“Python數(shù)據(jù)分析之Pandas Dataframe怎么修改、刪除及查詢”文章能幫助大家解決問題。

一、查詢操作

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

DataFrame 元素查詢有一下幾種查詢方式：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，使用方式也類似，通過行、列的下標(biāo)或名稱進(jìn)行指定位置元素的查詢。

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loc方法和iloc方法：

其中l(wèi)oc方法是以行索引的名稱和列索引的名稱作為參數(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為前閉后開區(qū)間。

通過at方法和iat方法：

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

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

說完Dataframe的查詢操作，這篇文章就來介紹一下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表示在原來的 DataFrame 上進(jìn)行修改。

元素值的修改

上面查詢操作說到說到可以通過loc、iloc、at、iat等方法獲取指定位置的值，修改其實(shí)也是通過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True表示在原 DataFrame 上進(jìn)行修改

具體通過代碼看下：

# 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

關(guān)于“Python數(shù)據(jù)分析之Pandas Dataframe怎么修改、刪除及查詢”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)，可以關(guān)注億速云行業(yè)資訊頻道，小編每天都會(huì)為大家更新不同的知識(shí)點(diǎn)。