- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

6-对象操作--数据分析

brucexiaogui 发表于 2021/12/30 00:52:59 2021/12/30

【摘要】 Series对象的增删改查 In [1]: ...

Series对象的增删改查

    In [1]: 
  

 
           import pandas as pd 
          

    In [2]: 
  

 
           data = [10,11,12] 
           index = ['a','b','c'] 
           s = pd.Series(data=data,index=index) 
           s

      Out[2]: 
    

a    10
b    11
c    12
dtype: int64

通过boolean类型来显示符合条件的数据

查询数据

    In [3]: 
  

 
           mask = [True,False,True] 
           s[mask]

      Out[3]: 
    

a    10
c    12
dtype: int64

    In [4]: 
  

s['b']

      Out[4]: 
    

    In [5]: 
  

 
           s.loc['b']

      Out[5]: 
    

    In [6]: 
  

 
           s.iloc[1]

      Out[6]: 
    

修改Series的数据

    In [7]: 
  

 
           s1 = s.copy() 
           s1['a']=101 
           s1

      Out[7]: 
    

a    101
b     11
c     12
dtype: int64

replace():修改数据方法。to_replace:将要修改的数据 value：修改的新值 inplace：是否替换原有数据

    In [12]: 
  

 
           s1.replace(to_replace=101,value=102,inplace=False)

      Out[12]: 
    

a    102
b     11
c     12
dtype: int64

修改索引

    In [15]: 
  

s1.index

      Out[15]: 
    

Index(['a', 'b', 'c'], dtype='object')

    In [18]: 
  

 
           s1.index=['c','b','a'] 
           s1

      Out[18]: 
    

c    102
b     11
a     12
dtype: int64

    In [24]: 
  

 
           s1.rename(index={'a':'A'},inplace=True) 
           s1

      Out[24]: 
    

c    102
b     11
A     12
dtype: int64

增加数据

    In [27]: 
  

 
           s2 = pd.Series([100,500],index=['f','g']) 
           s2

      Out[27]: 
    

f    100
g    500
dtype: int64

append()方法添加元素

    In [28]: 
  

 
           s1.append(s2) 
          

      Out[28]: 
    

c    102
b     11
A     12
f    100
g    500
dtype: int64

    In [31]: 
  

 
           s3 = s1.append(s2) 
           s3['v']=50 
           s3 
          

      Out[31]: 
    

c    102
b     11
A     12
v     50
f    100
g    500
dtype: int64

ignore_index: 是否生保留原来的索引 False：保留原来索引 True：生成新的索引

    In [32]: 
  

 
           s1.append(s2,ignore_index=True)

      Out[32]: 
    

0    102
1     11
2     12
3     50
4    100
5    500
dtype: int64

删除操作

    In [36]: 
  

s1

      Out[36]: 
    

c    102
b     11
v     50
dtype: int64

    In [38]: 
  

 
           del s1['v'] 
           s1

      Out[38]: 
    

c    102
b     11
dtype: int64

    In [40]: 
  

 
           s1.drop(['c','b'],inplace=True) 
           s1

      Out[40]: 
    

Series([], dtype: int64)

DataFrame对象的增删改查

    In [42]: 
  

 
           data = [[1,2,3],[4,5,6]] 
           index=['a','b'] 
           columns=['A','B','C'] 
           df = pd.DataFrame(data=data,index=index,columns=columns) 
           df 
          

      Out[42]: 
    

	A	B	C
a	1	2	3
b	4	5	6

查询数据

    In [43]: 
  

df['A']

      Out[43]: 
    

a    1
b    4
Name: A, dtype: int64

    In [44]: 
  

 
           df.iloc[0]

      Out[44]: 
    

A    1
B    2
C    3
Name: a, dtype: int64

    In [45]: 
  

 
           df.loc['a']

      Out[45]: 
    

A    1
B    2
C    3
Name: a, dtype: int64

修改数据

    In [46]: 
  

 
           df.loc['a']['A']=150 
           df

      Out[46]: 
    

	A	B	C
a	150	2	3
b	4	5	6

    In [47]: 
  

 
           df.index=['f','g'] 
           df

      Out[47]: 
    

	A	B	C
f	150	2	3
g	4	5	6

增加数据

    In [48]: 
  

 
           df.loc['c']=[1,2,3] 
           df

      Out[48]: 
    

	A	B	C
f	150	2	3
g	4	5	6
c	1	2	3

    In [49]: 
  

 
           data = [[1,2,3],[4,5,6]] 
           index=['p','l'] 
           columns=['A','B','C'] 
           df2 = pd.DataFrame(data=data,index=index,columns=columns) 
           df2 
          

      Out[49]: 
    

	A	B	C
p	1	2	3
l	4	5	6

    In [50]: 
  

### concat() 将两个DataFrame数据连接为一个新的数据

    In [52]: 
  

 
           df3 = pd.concat([df,df2]) 
           df3

      Out[52]: 
    

	A	B	C
f	150	2	3
g	4	5	6
c	1	2	3
p	1	2	3
l	4	5	6

增加一个列

    In [53]: 
  

 
           df2['Tage']=[10,11] 
           df2

      Out[53]: 
    

	A	B	C	Tage
p	1	2	3	10
l	4	5	6	11

    In [58]: 
  

 
           df4 = pd.DataFrame([[10,11],[12,13]],index=['p','l'],columns=['D','E']) 
           df4

      Out[58]: 
    

	D	E
p	10	11
l	12	13

    In [59]: 
  

 
           df5 = pd.concat([df2,df4],axis=1) 
           df5

      Out[59]: 
    

	A	B	C	Tage	D	E
p	1	2	3	10	10	11
l	4	5	6	11	12	13

删除操作

按行删除

    In [61]: 
  

 
           df5.drop(['p'],axis=0,inplace=True) 
           df5

      Out[61]: 
    

	A	B	C	Tage	D	E
l	4	5	6	11	12	13

按列删除

    In [63]: 
  

 
           del df5['Tage'] 
           df5

      Out[63]: 
    

	A	B	C	D	E
l	4	5	6	12	13

    In [65]: 
  

 
           df5.drop(['A','B','C'],axis=1,inplace=True) 
           df5

      Out[65]: 
    

	D	E
l	12	13

文章来源: brucelong.blog.csdn.net，作者：Bruce小鬼，版权归原作者所有，如需转载，请联系作者。

原文链接：brucelong.blog.csdn.net/article/details/80720997

点赞
收藏
关注作者

0/1000

抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认取消

加入云驻计划，成为创作者

华为云周边好礼
免费体验产品
特殊身份标识
线下官方门票
内部专家零距离
与10000+优质创作者共同成长

立即加入

6-对象操作--数据分析

Series对象的增删改查

通过boolean类型来显示符合条件的数据

修改Series的数据

replace():修改数据方法。to_replace:将要修改的数据 value：修改的新值 inplace：是否替换原有数据

修改索引

增加数据

append()方法添加元素

ignore_index: 是否生保留原来的索引 False：保留原来索引 True：生成新的索引

删除操作

DataFrame对象的增删改查

查询数据

修改数据

增加数据

增加一个列

删除操作

全部回复

设置昵称

关于作者

目录

加入云驻计划，成为创作者

6-对象操作--数据分析

Series对象的增删改查

通过boolean类型来显示符合条件的数据

修改Series的数据

replace():修改数据方法。to_replace:将要修改的数据 value：修改的新值 inplace：是否替换原有数据

修改索引

增加数据

append()方法添加元素

ignore_index: 是否生保留原来的索引 False：保留原来索引 True：生成新的索引

删除操作

DataFrame对象的增删改查

查询数据

修改数据

增加数据

增加一个列

删除操作

全部回复

设置昵称

关于作者

目录

热门推荐查看更多

相关文章

加入云驻计划，成为创作者

相关产品