pandas删除行删除列增加行增加列的实现

Pandas是一个基于NumPy的Python库，常用于数据分析和处理。在数据分析和处理过程中，有时需要删除指定的行、列或者增加新的行、列，本文将介绍如何使用Pandas实现这些操作。

删除行和列

Pandas中删除行和列的方式比较灵活，常用的方法有drop()和pop()。

• drop方法

# 删除行
df.drop(index=[1, 3], inplace=True)

# 删除列
df.drop(columns=['col1', 'col2'], inplace=True)

• pop方法

# 删除列
col1 = df.pop('col1')

需要注意的是，drop()方法要使用inplace=True参数才会直接修改原DataFrame。如果不使用这个参数，会返回经过删除操作后的新的DataFrame，原DataFrame不会改变。

增加行和列

Pandas中增加行和列的方式也比较灵活，常用的方法有append()、loc[]和iloc[]。

• append方法

# 增加行
df = df.append({'col1':1, 'col2':2}, ignore_index=True)

# 增加多行
df = df.append([{'col1':1, 'col2':2}, {'col1':3, 'col2':4}], ignore_index=True)

# 增加列
df['col3'] = [3, 4, 5, 6]

• loc方法

# 增加行
df.loc[len(df)] = [1, 2]

# 增加一列
df.loc[:,'col3'] = [3, 4, 5, 6]

• iloc方法

# 增加行
df.loc[len(df)] = [1, 2]

# 增加一列
df.iloc[:, 3] = [3, 4, 5, 6]

其中，append()方法能够同时添加多行，但是只能添加一行，所以当需要一次添加多行的时候，可以考虑使用append()方法。而loc[]和iloc[]方法更加灵活，能够定位到具体的位置进行插入操作，具有更高的自由度。

示例：

import pandas as pd

# 构造数据
data = {'col1':[1, 2, 3],
        'col2':[4, 5, 6]}
df = pd.DataFrame(data)
print('-----原始数据-----')
print(df)

# 删除行
df.drop(index=[1, 2], inplace=True)
print('-----删除行-----')
print(df)

# 删除列
df.drop(columns=['col2'], inplace=True)
print('-----删除列-----')
print(df)

# 增加行
df = df.append({'col1':1, 'col2':2}, ignore_index=True)
print('-----增加行-----')
print(df)

# 增加列
df['col3'] = [3, 4]
print('-----增加列-----')
print(df)

输出结果为：

-----原始数据-----
   col1  col2
0     1     4
1     2     5
2     3     6
-----删除行-----
   col1  col2
0     1     4
-----删除列-----
   col1
0     1
-----增加行-----
   col1  col2
0     1     4
1     1     2
-----增加列-----
   col1  col2  col3
0     1     4     3
1     1     2     4