数据索引和修改
目录数据选取
- 行列过滤：选取指定的行或者列
- 条件过滤：对列的数据设置过滤条件
- 函数过滤：通过函数设置更加复杂的过滤条件
import pandas as pd
data_list = [['A0', 'B0', 'C0', 'D0', 'E0', 'F0', 'G0', 'H0', ],
['A1', 'B1', 'C1', 'D1', 'E1', 'F1', 'G1', 'H1',],
['A2', 'B2', 'C2', 'D2', 'E2', 'F2', 'G2', 'H2', ],
['A3', 'B3', 'C3', 'D3', 'E3', 'F3', 'G3', 'H3', ],
['A4', 'B4', 'C4', 'D4', 'E4', 'F4', 'G4', 'H4', ]]
# 生成 DataFrame
data = pd.DataFrame(data_list, columns=list('ABCDEFGH'))
data.index = ['zero','one','two','three','four']
print(data)
# 执行结果
A B C D E F G H
zero A0 B0 C0 D0 E0 F0 G0 H0
one A1 B1 C1 D1 E1 F1 G1 H1
two A2 B2 C2 D2 E2 F2 G2 H2
three A3 B3 C3 D3 E3 F3 G3 H3
four A4 B4 C4 D4 E4 F4 G4 H4
列选择
# 方法1： DataFrame.column, 数据在前，列名在后，中间使用‘.’来连接
print(data.A)
# 方法2： DataFrame[columns], 数据在前，后跟列名，列名使用中括号包裹
print(data['A'])
zero A0
one A1
two A2
three A3
four A4
Name: A, dtype: object
# 选择多个列
print(data[['A','D','E']])
A D E
zero A0 D0 E0
one A1 D1 E1
two A2 D2 E2
three A3 D3 E3
four A4 D4 E4
行索引
# 方法.1 直接index 索引
# 左闭右开区间，包含 0，但不包含 1，所以只表示 1 行。
print(data[0:1])
A B C D E F G H
zero A0 B0 C0 D0 E0 F0 G0 H0
# 选择多行
print(data[1:4])
A B C D E F G H
one A1 B1 C1 D1 E1 F1 G1 H1
two A2 B2 C2 D2 E2 F2 G2 H2
three A3 B3 C3 D3 E3 F3 G3 H3
# 方法2 loc函数通过标签索引选择 行数据
同时行列索引
当需要同时选取行和列时，就需要同时使用行索引和列索引，或者同时使用列序号和行序号。对应的方法有 loc 和 iloc
DataFrame.iloc
iloc 方法的参数值是行的整数序号，和列的整数序号
参数可以是索引值,索引列表,索引范围
data.index = ['zero','one','two','three','four']
print(data)
A B C D E F G H
zero A0 B0 C0 D0 E0 F0 G0 H0
one A1 B1 C1 D1 E1 F1 G1 H1
two A2 B2 C2 D2 E2 F2 G2 H2
three A3 B3 C3 D3 E3 F3 G3 H3
four A4 B4 C4 D4 E4 F4 G4 H4
# 选择行
# 行范围参数和列范围参数之间使用逗号分隔
print(data.iloc[[1,4], :])
A B C D E F G H
one A1 B1 C1 D1 E1 F1 G1 H1
four A4 B4 C4 D4 E4 F4 G4 H4
# 选择列
print(data.iloc[:, 2:6])
C D E F
zero C0 D0 E0 F0
one C1 D1 E1 F1
two C2 D2 E2 F2
three C3 D3 E3 F3
four C4 D4 E4 F4
# 同时选择行,同时选择列
print(data.iloc[1:4, 2])
one C1
two C2
three C3
Name: C, dtype: object
# 同时选择行,同时选择列
print(data.iloc[1, 0])
A1
# 获取 data 中，行索引在列表 [0,2,4] 中，列名称在列表 ['B','D','H'] 中的所有数据。
print(data.iloc[[0,2,4], [1,2,4]])
B C E
zero B0 C0 E0
two B2 C2 E2
four B4 C4 E4
# 获取 data 中，行索引在列表 [0,2,4] 中，列名称为 F 的所有数据。
print(data.iloc[[0,2,4], 5])
0 F0
2 F2
4 F4
Name: F, dtype: object
DataFrame.loc
loc 方法接收两个参数，参数之间用逗号分隔。其中第一个参数表示行的范围，第二个参数表示列的范围。
# 行索引使用范围参数
import pandas as pd
data_list = [['A0', 'B0', 'C0', 'D0', 'E0', 'F0', 'G0', 'H0', ],
['A1', 'B1', 'C1', 'D1', 'E1', 'F1', 'G1', 'H1',],
['A2', 'B2', 'C2', 'D2', 'E2', 'F2', 'G2', 'H2', ],
['A3', 'B3', 'C3', 'D3', 'E3', 'F3', 'G3', 'H3', ],
['A4', 'B4', 'C4', 'D4', 'E4', 'F4', 'G4', 'H4', ]]
# 生成 DataFrame
data = pd.DataFrame(data_list, columns=list('ABCDEFGH'))
data.index = ['zero','one','two','three','four']
# print(data)
# 选取指定的行
print(data.loc["zero":"one", :])
A B C D E F G H
zero A0 B0 C0 D0 E0 F0 G0 H0
one A1 B1 C1 D1 E1 F1 G1 H1
# 按范围选取列
print(data.loc[:, ["A","D"]])
A D
zero A0 D0
one A1 D1
two A2 D2
three A3 D3
four A4 D4
# 行和列也可以同时设置
print(data.loc[["zero","two","four"], "B":"E"])
B C D E
zero B0 C0 D0 E0
two B2 C2 D2 E2
four B4 C4 D4 E4
修改数据
import pandas as pd
data = {
'state': ['python', 'python', 'go', 'java'],
'year': [2001, 2002, 2001, 2002],
'pop': [1.7, 3.6, 2.4, 2.9]
}
frame = pd.DataFrame(data)
print(frame)
# state year pop
# 0 python 2001 1.7
# 1 python 2002 3.6
# 2 go 2001 2.4
# 3 java 2002 2.9
# 修改单一数据
frame.loc[2,"pop"]=5.0
# 修改整列数据
frame.loc[:,"year"]=[2018, 2019, 2020, 2021]
print(frame)
state year pop
0 python 2018 1.7
1 python 2019 3.6
2 go 2020 5.0
3 java 2021 2.9
# 修改行数据
frame.loc[0,:]=["c++", 1998, 2.1]
# 将一个值赋值给所选区域
frame.iloc[:,2:] = 'same'
print(frame)
# state year pop
# 0 c++ 1998 same
# 1 python 2005 same
# 2 go 2016 same
# 3 java 2023 same
# 将精确修改区域内所有数据
frame.iloc[[0, 2], [0, 2]] = [["rust", 4.1],
["sql", 0.3]]
print(frame)
# 1 python 2005 same
# 2 sql 2016 0.3
# 3 java 2023 same
条件过滤
import pandas as pd
data = {
'state': ['python', 'python', 'go', 'java'],
'year': [2001, 2005, 2016, 2023],
'pop': [1.7, 3.6, 2.4, 2.9]
}
frame = pd.DataFrame(data)
print(frame)
# state year pop
# 0 python 2001 1.7
# 1 python 2005 3.6
# 2 go 2016 2.4
# 3 java 2023 2.9
print(frame["year"]>2010)
#0 False
#1 False
#2 True
#3 True
df=frame[frame["year"]>2010]
print(df)
# state year pop
#2 go 2016 2.4
#3 java 2023 2.9
参考资料
https://www.cnblogs.com/wang_yb/p/17388485.html
标签：修改,frame,two,索引,zero,print,data,pandas From： https://www.cnblogs.com/tian777/p/17657630.html