🚀前言

在数据分析的过程中，灵活地对数据进行增删改查（CRUD操作）是至关重要的。Pandas库中的DataFrame对象作为一种强大的数据结构，为我们提供了高效、直观的数据处理能力。无论是数据清洗、预处理，还是后续的分析与可视化，掌握DataFrame的增删改查操作，都是每位数据分析师必不可少的技能。

本文将详细介绍如何在DataFrame中进行数据的增、删、改、查操作。我们将通过具体的示例，帮助你理解如何灵活地管理和操控数据，使你的分析工作更加高效和顺畅。

🚀一、DataFrame数据的增删改查

🔎1.增加数据

🦋1.1 按列增加

方法一：直接赋值

import pandas as pd
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
data = [[110,105,99],[105,88,115],[109,120,130],[112,115,140]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
df['物理']=[88,79,60,50]
# df.loc[:,'物理'] = [88,79,60,50]
print(df)
# wl =[88,79,60,50]
# df.insert(1,'物理',wl)
# print(df)

输出：

方法二：使用loc属性添加列

df.loc[:, '物理'] = [88, 79, 60, 50]  # 等效于直接赋值

方法三：使用insert插入列

wl = [88, 79, 60, 50]
df.insert(1, '物理', wl)  # 在第1列后插入新列
print(df)

输出：

      语文  物理  数学   英语
明日    110   88  105   99
七月流火 105   79   88  115
高袁圆   109   60  120  130
二月二   112   50  115  140

🦋1.2 按行增加

方法一：使用loc添加单行

df.loc['钱多多'] = [100, 120, 99]  # 添加一行数据
print(df)

输出：

        语文   数学   英语
明日      110  105    99
七月流火   105   88   115
高袁圆    109  120   130
二月二    112  115   140
钱多多    100  120    99

方法二：使用concat添加多行

df_insert = pd.DataFrame(
    {'语文': [100, 123, 138], '数学': [99, 142, 60], '英语': [98, 139, 99]},
    index=['钱多多', '童年', '无名']
)
df = pd.concat([df, df_insert], ignore_index=True)
print(df)

输出：

        语文   数学   英语
明日      110  105    99
七月流火   105   88   115
高袁圆    109  120   130
二月二    112  115   140
钱多多    100   99    98
童年      123  142   139
无名      138   60    99

🔎2.删除数据

DataFrame.drop() 方法

drop()方法用于删除DataFrame中的行或列。语法格式如下：

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

参数说明：

1. labels:

   • 表示要删除的行标签或列标签。如果指定了index或columns，则labels是多余的。

2. axis:

   • axis=0：表示按行删除，默认值为0。
   • axis=1：表示按列删除。

3. index:

   • 删除行的标签，默认为None。如果指定了该参数，labels可以省略。

4. columns:

   • 删除列的标签，默认为None。如果指定了该参数，labels可以省略。

5. level:

   • 针对有多级索引（MultiIndex）的数据，指定删除的索引级别。

     • level=0：表示按第1级索引删除整行。
     • level=1：表示按第2级索引删除整行。
     • 默认值为None。

6. inplace:

   • 是否对原数组进行修改。

     • False（默认值）：返回一个新的DataFrame对象，原DataFrame不受影响。
     • True：原DataFrame会被直接修改，不会返回新的DataFrame。

7. errors:

   • 设定错误处理方式。

     • raise（默认值）：如果指定的标签不存在，则抛出错误。
     • ignore：忽略错误，不会抛出异常。

🦋2.1 删除行列

import pandas as pd
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
data = [[110,105,99],[105,88,115],[109,120,130],[112,115,140]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
# df.drop(['数学'],axis=1,inplace=True)                     #删除某列
# df.drop(columns='数学',inplace=True)                      #删除columns为“数学”的列
# df.drop(labels='数学', axis=1,inplace=True)              #删除列标签为“数学”的列
# df.drop(['明日','二月二'],inplace=True)                   #删除某行
# df.drop(index='明日',inplace=True)                        #删除index为“明日”的行
# df.drop(labels='明日', axis=0,inplace=True)              #删除行标签为“明日”的行
print(df)

🦋2.2 删除满足条件的行

import pandas as pd
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)
data = [[110,105,99],[105,88,115],[109,120,130],[112,115,140]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
# df.drop(index=df[df['数学'].isin([88])].index[0],inplace=True)    #删除“数学”包含88的行
# df.drop(index=df[df['语文']<110].index[0],inplace=True)           #删除“语文”小于110的行
print(df)

🔎3.修改数据

🦋3.1 修改列名

方法一：直接赋值

df.columns = ['语文(上)', '数学(上)', '英语(上)']

方法二：使用rename方法

df.rename(columns={'语文': '语文(上)', '数学': '数学(上)'}, inplace=True)

🦋3.2 修改行名

df.index = ['1', '2', '3', '4']  # 直接赋值
df.rename({'明日': '1', '七月流火': '2'}, axis=0, inplace=True)  # 使用rename

🦋3.3 修改数据

修改整行

df.loc['明日'] = [120, 115, 109]  # 修改整行数据
df.loc['明日'] += 10  # 所有值加10

修改整列

df.loc[:, '语文'] = [115, 108, 112, 118]  # 修改“语文”列所有值

修改单个值

df.loc['明日', '语文'] = 115  # 修改指定单元格

使用iloc按位置修改

df.iloc[0, 0] = 115  # 修改第1行第1列
df.iloc[:, 0] = [115, 108, 112, 118]  # 修改第1列所有值

🔎4.查询数据

🦋4.1 查询列数据

print(df['语文'])  # 通过列名获取数据
print(df.语文)     # 等效方法（列名为有效标识符时）

🦋4.2 查询行数据

print(df[0:3])  # 获取前3行（包头不包尾）

🦋4.3 查询单个元素

print(df['数学'][2])        # 获取第3行的“数学”列数据
print(df.loc['高袁圆', '语文'])  # 通过标签获取
print(df.iloc[2, 0])       # 通过位置获取（第3行第1列）

🔎5.关键点总结

• 增加数据：灵活使用直接赋值、loc和insert方法。
• 删除数据：通过drop指定行/列标签或条件。
• 修改数据：通过标签（loc）或位置（iloc）精准操作。
• 查询数据：按列、行或单个元素灵活获取数据。