数据分析07——Pandas中对数据进行增删改查的操作

0、前言：

• 在《数据分析06——Pandas中的数据抽取》中已经介绍了在Pandas中如何进行数据查找，而查找这个功能是增加修改和删除的前提。
• 首先创建一个DataFrame数据，用于后面的举例。
• 补充，在jupyter中要查看某个函数的参数详情，可以把光标放在函数上，然后按下shift+table。

import pandas as pd

data = [[109, 107, 100],
        [105, 114, 135],
        [98, 88, 120],
        [145, 150, 130]]
name = ['刘备', '关羽', '张飞', '诸葛亮']
columns = ['语文', '数学', '英语']

df = pd.DataFrame(
    data=data,
    index=name,
    columns=columns)

---

1、增加：

• 增加列数据
  • 通过二维列表(一行代表一维)的方法增加数据

  df[['美术']]=[[15],[12],[13],[14]]
  
  df[['物理', '化学']] = [[88, 88],
                  [79, 79],
                  [60, 60],
                  [50, 60]]
  

  • 通过loc方法增加数据：df.loc[:, ‘物理’] = [88, 79, 60, 60] # 这种方法数据只能加在末尾
  • 通过insert方法：df.insert(1, ‘物理’, [88, 79, 60, 50]) # 表示在第二列位置新加一列物理
• 增加行数据
  • 给末尾增加赵云的成绩：df.loc[‘赵云’] = [100, 120, 99, 98]
  • 增加多行数据：

  # 首先定义要新增的数据
  df2 = pd.DataFrame(
      {'语文': [100, 123, 138],
       '数学': [120, 142, 60],
       '英语': [99, 139, 99],
       '物理': [105, 110, 96]},
      index=['马超', '黄忠', '姜维'])
  
  df3 = df.append(df2)	# 然后新增数据，注意如果append之后不赋值，结果就不会保存。
  

---

2、修改：

• 修改列索引：
  • 通过属性赋值：df.columns = [‘语文’, ‘物理（上）’, ‘数学’, ‘英语’]
  • 通过rename方法：

  df.rename(
  columns={'语文': '语文（上）',
           '英语': '英语（上）'},
  inplace=True)
  # inplace：表示是否修改原来的数据
  
  # 写法二：axis为0表示行索引，axis为1表示列索引
  # df.rename(
  #    mapper={'语文': '语文（0）',
  #             '英语': '英语（1）'},
  #    axis=1, inplace=True)
  df
  
  

  • 总结：属性修改要写上所有属性，即使有的属性不用修改，而rename的方法就比较准确了，改谁写谁。
• 修改行索引：
• 通过属性赋值：df.index = [1, 2, 3, 4, 5]
  • 通过rename方法：

  df.rename(
      index={
          '刘备': 101,
          '关羽': 102,
          '张飞': 103,
          '诸葛亮': 104,
          '赵云': 105},
      inplace=True)
  # inplace：表示是否修改原来的数据
  
  # 写法二：
  # df.rename(
  #     mapper={
  #         '刘备': 101,
  #         '关羽': 102,
  #         '张飞': 103,
  #         '诸葛亮': 104,
  #         '赵云': 105},
  #     axis=0, inplace=True)
  

  • 总结：属性修改要写上所有属性，即使有的属性不用修改，而rename的方法就比较准确了，改谁写谁。
• 修改列数据：df.loc[:, ‘语文’] = [115, 108, 112, 118, 115]
• 修改行数据：df.loc[‘张飞’] = [120, 115, 109, 105]
• 修改具体的值：
  • df.iloc[0, 0] = 115
  • df.loc[‘张飞’, ‘语文’] = 115

---

3、删除：

• 删除列数据：
  • df.drop(columns=‘数学’, inplace=True) # inplace表示是否修改本地数据
  • df.drop(labels=‘数学’, axis=1, inplace=True)
• 删除行数据：
  • df.drop(index=‘张飞’, inplace=True)
  • df.drop(labels=‘张飞’, axis=0, inplace=True)
• 删除指定条件的数据

# 删除要找到对应的行索引或者列索引
index = df[df['物理'].isin([50, 79])].index
# 根据符合条件的索引，通过删除行数据或者列数据的方法删除
df.drop(index=index, inplace=True)

---

总结：

• 抽取数据是进行增删改的基础，对于同一种需求，在pandas中实现方法很多，有时候同一个函数方法，也可以采用不同的参数实现同一种作用，所以pandas真的很灵活。