个人中心
gpt4 book ai didi

pandas删除行删除列增加行增加列的实现

转载 作者：qq735679552 更新时间：2022-09-29 22:32:09 25 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章pandas删除行删除列增加行增加列的实现由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

创建df:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
>>> df = pd.DataFrame(np.arange( 16 ).reshape( 4 , 4 ), columns = list ( 'ABCD' ), index = list ( '1234' ))
 
>>> df
 
   A  B  C  D
 
1  0  1  2  3
 
2  4  5  6  7
 
3  8  9 10 11
 
4 12 13 14 15

1，删除行 。

1.1，drop 。

通过行名称删除:

?
1
2
3
df = df.drop([ '1' , '2' ])      # 不指定axis默认为0
 
df.drop([ '1' , '3' ], inplace = True )

通过行号删除:

?
1
2
3
df.drop(df.index[ 0 ], inplace = True )    # 删除第1行
df.drop(df.index[ 0 : 3 ], inplace = True )   # 删除前3行
df.drop(df.index[[ 0 , 2 ]], inplace = True ) # 删除第1第3行

1.2，通过各种筛选方法实现删除行 。

详见pandas“选择行单元格，选择行列“的笔记 。

举例，通过筛选可以实现很多功能，例如要对某行数据去重，可以获取去重后的index列表后，使用loc方法:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
>>> df.loc[ '2' , 'B' ] = 9
 
>>> df
 
   A  B  C  D
 
1  0  1  2  3
 
2  4  9  6  7
 
3  8  9 10 11
 
4 12 13 14 15
 
>>> chooses = df[ 'B' ].drop_duplicates().index
 
>>> df.loc[chooses]
 
   A  B  C  D
 
1  0  1  2  3
 
2  4  9  6  7
 
4 12 13 14 15

2，删除列 。

2.1，del 。

?
1
del df[ 'A' ] # 删除A列，会就地修改

2.2，drop 。

通过列名称删除:

?
1
2
3
df = df.drop([ 'B' , 'C' ], axis = 1 )        # drop不会就地修改，创建副本返回
 
df.drop([ 'B' , 'C' ], axis = 1 , inplace = True )   # inplace=True会就地修改

使用列数删除，传入参数是int，列表，者切片：  。

?
1
2
3
4
5
df.drop(df.columns[ 0 ], axis = 1 , inplace = True )    # 删除第1列
 
df.drop(df.columns[ 0 : 3 ], axis = 1 , inplace = True )   # 删除前3列
 
df.drop(df.columns[[ 0 , 2 ]], axis = 1 , inplace = True ) # 删除第1第3列

2.3，通过各种筛选方法实现删除列 。

详见pandas“选择行单元格，选择行列“的笔记 。

3，增加行 。

3.1，loc，at，set_value 。

想增加一行，行名称为‘5'，内容为[16, 17, 18, 19] 。

?
1
2
3
4
5
df.loc[ '5' ] = [ 16 , 17 , 18 , 19 ]  # 后面的序列是Iterable就行
 
df.at[ '5' ] = [ 16 , 17 , 18 , 19 ]
 
df.set_value( '5' , df.columns, [ 16 , 17 , 18 , 19 ], takeable = False )  # warning，set_value会被取消

3.2，append 。

添加有name的Series:

?
1
2
3
s = pd.Series([ 16 , 17 , 18 , 19 ], index = df.columns, name = '5' )
 
df = df.append(s)

添加没有name的Series，必须ignore_index:

?
1
2
3
s = pd.Series([ 16 , 17 , 18 , 19 ], index = df.columns)
 
df = df.append(s, ignore_index = True )　

可以 append字典列表，同样需要必须ignore_index:

?
1
2
3
ls = [{ 'A' : 16 , 'B' : 17 , 'C' : 18 , 'D' : 19 }, { 'A' : 20 , 'B' : 21 , 'C' : 22 , 'D' : 23 }]
 
df = df.append(ls, ignore_index = True )

3.3，逐行增加 。

简单的逐行添加内容，可以:

?
1
df.loc[ len (df)] = [ 16 , 17 , 18 , 19 ]

但需要注意：len(df)生成的是int，如果生成的int，df已经存在了，会覆盖该行数据，而不会新增 。

3.4，插入行 。

增加行没找到类似insert这种可以插入的方法，暂时替代方法可以先reindex，再赋值：  。

?
1
2
3
df = df.reindex(index = df.index.insert( 2 , '5' ))
 
df.loc[ '5' ] = [ 16 , 17 , 18 , 19 ]

4，df增加列 。

一般涉及到增加列项时，经常会对现有的数据进行遍历运算，获得新增列项的值，所以这里结合对DataFrame的遍历讨论增加列.

例如，想增加一列'E'，值等于'A'和'C'列对应值之和.

4.1，遍历DataFrame获取序列的方法 。

?
1
2
3
4
5
6
7
8
9
s = [a + c for a, c in zip (df[ 'A' ], df[ 'C' ])]     # 通过遍历获取序列
 
s = [row[ 'A' ] + row[ 'C' ] for i, row in df.iterrows()] # 通过iterrows()获取序列，s为list
 
s = df. apply ( lambda row: row[ 'A' ] + row[ 'C' ], axis = 1 ) # 通过apply获取序列，s为Series
 
s = df[ 'A' ] + df[ 'C' ]                 # 通过Series矢量相加获取序列
 
s = df[ 'A' ].values + df[ 'C' ].values          # 通过Numpy矢量相加获取序列

4.2，[ ]，loc 。

通过df[]或者df.loc添加序列 。

?
1
2
3
df.loc[:, 'E' ] = s
 
df[ 'E' ] = s

4.3，Insert 。

可以指定插入位置，和插入列名称 。

?
1
df.insert( 0 , 'E' , s)

4.4，concat 。

?
1
2
s = pd.Series([ 16 , 17 , 18 , 19 ], name = 'E' , index = df.index)
df = pd.concat([df, s], axis = 1 )

4.5，iloc和loc遍历过程中给列赋值 。

效率比较低 。

df['E']是DataFrame的一个Series，是引用，对其修改也能改变DataFrame，但运行时报了Warning 。

?
1
2
3
4
5
6
7
df[ 'E' ] = None # 需事先创建e列，否则iloc遍历会报错，loc遍历无需事先创建
 
for i in range ( len (df)):
 
   df[ 'E' ].iloc[i] = df[ 'A' ].iloc[i] + df[ 'C' ].iloc[i]
 
# SettingWithCopyWarning:　A value is trying to be set on a copy of a slice from a DataFrame

不用Series不会报Warning:

?
1
2
3
4
5
6
7
df[ 'E' ] = None
 
col_no = [i for i in df.columns].index( 'E' )
 
for i in range ( len (df)):
 
   df.iloc[i, col_no] = df[ 'A' ].iloc[i] + df[ 'C' ].iloc[i]

用loc无需先给E列赋空值:

?
1
2
3
for i in df.index:
 
   df.loc[i, 'E' ] = df.loc[i, 'A' ] + df.loc[i, 'C' ]

4.6，逐列增加 。

简单的逐列添加内容，可以:

?
1
df[ len (df)] = [ 16 , 17 , 18 , 19 ]

但需要注意：len(df)生成的是int，如果生成的int，df已经存在了，会覆盖该列数据，而不会新增 。

4.7，其他方法 。

增加3列，EFG，value默认为np.NaN 。

?
1
2
3
df = pd.concat([df, pd.DataFrame(columns = list ( 'EFG' ))])  # 列的次序无法指定，并且fillna时会对整个df做出调整
 
df = df.reindex(columns = list ( 'ABCDEFG' ), fill_value = 0 )  # 列的次序按照list指定，并且fill_value只对新增列做出调整，推荐！

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://www.cnblogs.com/guxh/p/9420610.html 。

最后此篇关于pandas删除行删除列增加行增加列的实现的文章就讲到这里了,如果你想了解更多关于pandas删除行删除列增加行增加列的实现的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

25 4 0
文章推荐： 2021最新版中英文混搭的个性网名 成熟的个性网名大全
文章推荐： 好听成熟稳重的男生网名 2021有内涵的深度四字男网名
文章推荐： Maven nexus 安装nexus私服出现的问题和解决办法
文章推荐： 丧系抑郁的英文网名带翻译 很绝望让人难过的英文网名
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com