Pandas中删除和添加行与列的方法

简介：
本文介绍了在Python的数据分析库Pandas中如何有效地删除或添加数据帧中的行与列，帮助读者掌握数据操作技巧。 ### pandas删除行、删除列、增加行、增加列的实现 #### 1. 删除行 在Pandas中，可以通过多种方式删除数据帧中的行。主要包括`drop`函数和基于筛选条件的方法。 ##### 1.1 使用`drop`函数 - **通过行名称删除**: ```python df = df.drop([1, 2]) ``` 或者使用`inplace=True`直接修改原数据帧: ```python df.drop([1, 3], inplace=True) ``` - **通过行号删除**: - 删除第一行: ```python df.drop(df.index[0], inplace=True) ``` - 删除前三行: ```python df.drop(df.index[0:3], inplace=True) ``` - 删除第1行和第3行: ```python df.drop(df.index[[0, 2]], inplace=True) ``` ##### 1.2 通过筛选方法实现删除行 - **示例**: 对某行数据去重: ```python df.loc[2, B] = 9 chooses = df[B].drop_duplicates().index df = df.loc[chooses] ``` #### 2. 删除列 删除列的方式包括`del`关键字、`drop`函数以及通过筛选条件的方法。 ##### 2.1 使用`del`关键字 ```python del df[A] ``` ##### 2.2 使用`drop`函数 - **通过列名称删除**: ```python df = df.drop([B, C], axis=1) df.drop([B, C], axis=1, inplace=True) ``` - **使用列数删除**: - 删除第一列: ```python df.drop(df.columns[0], axis=1, inplace=True) ``` - 删除前三列: ```python df.drop(df.columns[0:3], axis=1, inplace=True) ``` - 删除第1列和第3列: ```python df.drop(df.columns[[0, 2]], axis=1, inplace=True) ``` ##### 2.3 通过筛选方法实现删除列 类似于删除行的方法，可以通过筛选条件实现删除列的操作。 #### 3. 增加行 增加行的方式包括使用`loc`、`at`、`set_value`方法，以及逐行添加和插入数据帧中的特定位置等操作。 ##### 3.1 使用`loc`、`at`、 `set_value` - **使用`loc`增加行**: ```python df.loc[5] = [16, 17, 18, 19] ``` - **使用`at`增加行**: ```python df.at[5] = [16, 17, 18, 19] ``` - **使用`set_value`增加行**: ```python df.set_value(5, df.columns, [16, 17, 18, 19], takeable=False) ``` ##### 3.2 使用 `append` 函数 - **添加有name的Series**: ```python s = pd.Series([16, 17, 18, 19], index=df.columns, name=5) df = df.append(s) ``` - **添加没有name的Series**: ```python s = pd.Series([16, 17, 18, 19], index=df.columns) df = df.append(s, ignore_index=True) ``` - **添加字典列表**: ```python 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 使用逐行增加 - **简单逐行添加内容**: ```python df.loc[len(df)] = [16, 17, 18, 19] ``` 需要注意，如果生成的索引已经存在于`df`中，则会覆盖原有数据，而不是新增行。 ##### 3.4 插入特定位置 通过这些方法可以灵活地管理Pandas中的DataFrame，并实现对数据的有效操作和管理。