python中pandas库中DataFrame对行和列的操作使用方法示例

在Python中，可以使用pandas库中的DataFrame对行和列进行操作。本文将详细讲解DataFrame对行和列的操作使用方法，并提供两个示例说明。

1. DataFrame对列的操作

1.1 选择列

可以使用[]操作符选择一个或多个列。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 选择单个列
name = df['name']

# 选择多个列
subset = df[['name', 'age']]

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用[]操作符选择单个列或多个列，并将结果存储在name和subset变量中。

1.2 添加列

可以使用[]操作符或assign()函数添加新列。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 添加新列
df['gender'] = ['F', 'M', 'M']
df = df.assign(salary=[50000, 60000, 70000])

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用[]操作符添加名为gender的新列，并使用assign()函数添加名为salary的新列。

1.3 删除列

可以使用drop()函数删除列。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M'], 'salary': [50000, 60000, 70000]})

# 删除列
df = df.drop('salary', axis=1)

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用drop()函数删除名为salary的列，并将结果存储在df变量中。

2. DataFrame对行的操作

2.1 选择行

可以使用loc[]或iloc[]函数选择一个或多个行。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 选择单个行
row = df.loc[0]

# 选择多个行
subset = df.loc[[0, 2]]

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用loc[]函数选择单个行或多个行，并将结果存储在row和subset变量中。

2.2 添加行

可以使用append()函数添加新行。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 添加新行
new_row = pd.DataFrame({'name': 'Dave', 'age': 40}, index=[3])
df = df.append(new_row)

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用pd.DataFrame()函数创建一个名为new_row的新DataFrame，并使用append()函数将其添加到df中。

2.3 删除行

可以使用drop()函数删除行。以下是一个示例说明：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 删除行
df = df.drop(1)

在上面的代码中，我们首先使用pd.DataFrame()函数创建一个名为df的DataFrame。然后，使用drop()函数删除索引为1的行，并将结果存储在df变量中。

3. 示例说明

以下是两个示例说明：

• 示例1：选择列和行

首先，创建一个名为test.csv的CSV文件，其中包含以下内容：

name,age
Alice,25
Bob,30
Charlie,35

然后，创建一个名为test.py的Python文件，其中包含以下代码：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('test.csv')

# 选择单个列
name = df['name']

# 选择多个列
subset = df[['name', 'age']]

# 选择单个行
row = df.loc[0]

# 选择多个行
subset = df.loc[[0, 2]]

在上面的代码中，我们首先使用pd.read_csv()函数读取名为test.csv的CSV文件，并将其存储在名为df的DataFrame中。然后，使用[]操作符选择单个列或多个列，并使用loc[]函数选择单个行或多个行，并将结果存储在name、subset、row和subset变量中。

• 示例2：添加新列和新行

首先，创建一个名为test.csv的CSV文件，其中包含以下内容：

name,age
Alice,25
Bob,30
Charlie,35

然后，创建一个名为test.py的Python文件，其中包含以下代码：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('test.csv')

# 添加新列
df['gender'] = ['F', 'M', 'M']

# 添加新行
new_row = pd.DataFrame({'name': 'Dave', 'age': 40, 'gender': 'M'}, index=[3])
df = df.append(new_row)

在上面的代码中，我们首先使用pd.read_csv()函数读取名为test.csv的CSV文件，并将其存储在名为df的DataFrame中。然后，使用[]操作符添加名为gender的新列，并使用pd.DataFrame()函数创建一个名为new_row的新DataFrame，并使用append()函数将其添加到df中。

这就是Python中pandas库中DataFrame对行和列的操作使用方法，以及两个示例。希望对你有所帮助！