Python数据分析之 Pandas Dataframe修改和删除及查询操作
Pandas是Python的一个强大的数据分析库,它主要用于数据处理、数据分析、数据可视化等方面。其中对于数据处理来说,数据的增删改查是必不可少的内容。本文主要介绍Pandas Dataframe的修改、删除和查询操作,帮助读者更好地掌握Pandas数据分析的技能。
Part 1 Pandas Dataframe的修改操作
1.1 修改数值
以下示例可以看到如何使用loc代表行标签和列标签对Dataframe进行数值的修改。
import pandas as pd
# 构造Dataframe
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
print(df)
# 修改单元格数值
df.loc[0, 'col1'] = 10
print(df)
# 修改整列数值
df['col2'] = [5, 6]
print(df)
# 修改整行数值
df.loc[1] = [7, 8]
print(df)
1.2 像SQL里的update查询一样修改
方式1:使用mask方法
使用mask方法Locate特定的值,并用新值替换。
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
df = df.mask(df.eq(1), 100) # 将df中值为1的数值替换为100
print(df)
方式2:使用Query方法
Query方法类似于SQL的update
操作。以下示例可以看到如何对数据表进行类似于SQL的Update修改。
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
df = df.query('col1 == 1') # 将df中col1为1的行选中
df['col2'] = [5, 6] # 修改选中行的col2列
print(df)
Part 2 Pandas Dataframe的删除操作
以下示例可以看到如何使用drop
方法删除Dataframe的某行或某列。
import pandas as pd
# 构造Dataframe
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
print(df)
# 删除单列
df = df.drop(['col1'],axis=1)
print(df)
# 删除单行
df = df.drop([0],axis=0)
print(df)
Part 3 Pandas Dataframe的查询操作
3.1 Filter
通过filter
方法,我们可以根据标签或者条件来过滤Pandas Dataframe。
以下示例展示了使用filter
方法根据标签筛选Dataframe数据的方法:
import pandas as pd
# 构造Dataframe
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
print(df)
# 根据标签过滤
df1 = df.filter(['col1'])
print(df1)
# 根据条件过滤
df2 = df[df['col1'] > 1]
print(df2)
3.2 Slice
我们也可以使用iloc
和loc
等方法进行切片操作。
以下示例展示了使用iloc
和loc
方法进行Dataframe的切片操作,相信这种方式应该使用较为广泛。
import pandas as pd
# 构造Dataframe
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4], 'col3': [5, 6]})
print(df)
# 切片方法1: 选中前两行数据
df1 = df.iloc[:2, :]
print(df1)
# 切片方法2: 选中第二列数据
df2 = df.loc[:, 'col2']
print(df2)
# 切片方法3: 选中第1列到第2列
df3 = df.iloc[:, 0:2]
print(df3)
Part4 总结
本篇文章总结了Pandas Dataframe的修改、删除和查询操作方法,对于大家的数据分析和处理工作应该会有所帮助。若想深入了解Pandas更多的操作方法,建议阅读更多Pandas相关的文章和官方文档。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Python数据分析之 Pandas Dataframe修改和删除及查询操作 - Python技术站