`Pandas DataFrame` 数据修改和访问基础以及实战

1. Pandas DataFrame 中的数据访问和修改

Pandas 中的 DataFrame 是一种二维表格数据结构，类似于电子表格或数据库表格。在 DataFrame 中，你可以存储不同类型的数据（如数字、字符串等）。以下是关于如何访问和修改 DataFrame 中数据的常见方法：

1. 创建一个 DataFrame

首先，我们可以通过多种方式创建一个 DataFrame：

import pandas as pd

# 从字典创建 DataFrame
data = {
    'Name': ['Tom', 'Jerry', 'Mickey'],
    'Age': [20, 22, 23],
    'Score': [85, 90, 88]
}
df = pd.DataFrame(data)

2. 访问 DataFrame 中的数据

(1) 按列访问

每一列可以像访问字典的值一样通过列名访问：

# 访问单独的一列
df['Name']

(2) 按行访问

可以使用 .iloc[] 或 .loc[] 来按行访问数据。

• .iloc[] 是基于位置（索引）访问数据。
• .loc[] 是基于标签（行名）访问数据。

# 按位置访问第一行
df.iloc[0]

# 按标签（行名）访问第一行，假设有索引
df.loc[0]  # 如果没有自定义索引，默认索引为0、1、2...

(3) 按行列访问特定单元格

使用 .loc[] 或 .iloc[] 结合行和列标签来获取单元格的值：

# 访问特定的行列值
df.loc[0, 'Name']  # 按标签方式
df.iloc[0, 0]  # 按位置方式

3. 修改 DataFrame 中的数据

(1) 修改单元格的值

可以直接通过 .loc[] 或 .iloc[] 修改某个单元格的值：

# 修改第一行第一列的值
df.loc[0, 'Age'] = 21

(2) 修改整个列

如果你想修改整列数据，可以直接通过列名赋新值：

# 修改整个 "Score" 列
df['Score'] = [90, 92, 94]

(3) 修改整行

你也可以修改整行的数据：

# 修改第二行的所有数据
df.loc[1] = ['Jerry', 23, 95]

4. 添加/删除列

(1) 添加新列

你可以通过给 DataFrame 添加一个新的列来扩展它：

# 添加一个新列 "Grade"
df['Grade'] = ['A', 'B', 'A']

(2) 删除列

使用 drop() 方法删除列：

# 删除 "Grade" 列
df = df.drop('Grade', axis=1)

5. 过滤数据

你可以通过条件来过滤数据：

# 筛选出 Age 大于 21 的行
df_filtered = df[df['Age'] > 21]

总结

• 按列访问：df['Column Name']
• 按行访问：df.iloc[]（按位置）、df.loc[]（按标签）
• 修改数据：通过 .loc[] 或 .iloc[] 修改单个值，或者通过列名直接修改整列
• 添加列：df['New Column'] = value
• 删除列：df.drop('Column Name', axis=1)

这些是 Pandas DataFrame 中访问和修改数据的常见方法。如果你有任何具体问题，或者想要了解更深的内容，随时可以问我！

2. Pandas DataFrame 数据修改和访问综合实战

好的！现在我们来做一个更实战的例子，结合 Pandas DataFrame 的数据访问和修改的各个操作。我们将创建一个 DataFrame，然后进行不同的操作，包括修改数据、添加新列、删除列等。

步骤 1: 创建一个示例 DataFrame

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'Name': ['Tom', 'Jerry', 'Mickey', 'Donald', 'Goofy'],
    'Age': [20, 22, 23, 21, 24],
    'Score': [85, 90, 88, 87, 92]
}

df = pd.DataFrame(data)

步骤 2: 访问数据

(1) 访问单列（比如“Name”列）

# 访问 Name 列
names = df['Name']
print(names)

(2) 访问单行（比如第2行）

# 访问第二行数据
second_row = df.iloc[1]
print(second_row)

(3) 访问特定单元格（比如第一行，第一列）

# 访问第一行第一列
name_first = df.loc[0, 'Name']
print(name_first)

步骤 3: 修改数据

(1) 修改单个单元格的数据（比如将第一行的 Age 修改为 21）

# 修改第一行的 Age
df.loc[0, 'Age'] = 21
print(df)

(2) 修改一列的数据（比如将 “Score” 列的所有值加10）

# 将 "Score" 列的分数加10
df['Score'] = df['Score'] + 10
print(df)

(3) 修改整行的数据（比如修改第二行）

# 修改第二行的所有数据
df.loc[1] = ['Jerry', 23, 95]
print(df)

步骤 4: 添加新列

(1) 添加一个新的列（比如“Grade”）

# 添加一个新列 Grade
df['Grade'] = ['A', 'B', 'A', 'B', 'A']
print(df)

步骤 5: 删除列

(1) 删除一个列（比如删除“Grade”列）

# 删除 Grade 列
df = df.drop('Grade', axis=1)
print(df)

步骤 6: 过滤数据

(1) 筛选出 Age 大于等于22 的数据

# 筛选出 Age 大于等于 22 的行
df_filtered = df[df['Age'] >= 22]
print(df_filtered)

步骤 7: 结合多种操作

(1) 修改、添加列、删除列并过滤数据的结合

# 修改“Score”列，使每个人的分数减去5
df['Score'] = df['Score'] - 5

# 添加一个新的列
df['Passed'] = df['Score'] >= 90

# 删除 "Age" 列
df = df.drop('Age', axis=1)

# 筛选出 Score >= 90 的数据
df_passed = df[df['Score'] >= 90]
print(df_passed)

总结

• 访问列: df['Column Name']
• 访问行: df.iloc[index] 或 df.loc[index]
• 修改单元格数据: df.loc[row, 'Column'] = new_value
• 修改列: 通过直接赋值给列名来修改整列
• 添加列: df['New Column'] = values
• 删除列: df.drop('Column Name', axis=1)
• 过滤数据: 使用条件 df[condition]

这就是一个完整的 Pandas DataFrame 数据修改和访问的实战示例。希望这些示例能帮助你更好地理解如何操作 DataFrame 数据！如果有任何问题，随时向我提问！