pandas操作主要；赋值、插入、添加、删除

最新推荐文章于 2025-02-18 19:45:29 发布
最新推荐文章于 2025-02-18 19:45:29 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： python pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/yangwei256/article/details/118523462
版权

1，pandas操作主要有对指定位置的赋值，如上一篇中的数据选择一样，根据loc，iloc，ix选择指定位置，直接赋值

2，插入，insert方法，插入行和列

3，添加

4，删除 drop方法

5，弹出 pop方法

In [1]:

 

import pandas as pd import numpy as np
 

In [53]:
 

 

dates = np.arange(20190809,20190815) df1 = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=["A","B","C","D"]) df1
 

Out[53]:
 

ABCD
201908090123
201908104567
20190811891011
2019081212131415
2019081316171819
2019081420212223
 

In [20]:
 

 

df1.iloc[2,2]
 

Out[20]:
 

 

10
 

In [44]:
 

 

df1.iloc[2,2] = 100 df1
 

Out[44]:
 

ABCD
201908090123
201908104567
201908118910011
2019081212131415
2019081316171819
2019081420212223
 

In [40]:
 

 

df1.loc[20190810,"B"]=200 df1
 

Out[40]:
 

ABCD
201908090123
20190810420067
20190811891011
2019081212131415
2019081316171819
2019081420212223
 

In [54]:
 

 

df1[df1.A>10]=0 df1
 

Out[54]:
 

ABCD
201908090123
201908104567
20190811891011
201908120000
201908130000
201908140000
 

In [55]:
 

 

df1.A[df1.A==0]=100 df1
 

Out[55]:
 

ABCD
20190809100123
201908104567
20190811891011
20190812100000
20190813100000
20190814100000
 

In [56]:
 

 

#插入一列 df1["E"]=10 df1
 

Out[56]:
 

ABCDE
2019080910012310
20190810456710
2019081189101110
2019081210000010
2019081310000010
2019081410000010
 

In [59]:
 

 

df1["F"]=pd.Series([1,2,3,4,5,6],index=dates) df1
 

Out[59]:
 

ABCDEF
20190809100123101
201908104567102
20190811891011103
20190812100000104
20190813100000105
20190814100000106
 

In [62]:
 

 

#添加一行 df1.loc[20190815,["A","B","C"]]=[5,6,8] df1
 

Out[62]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908104.05.06.07.010.02.0
201908118.09.010.011.010.03.0
20190812100.00.00.00.010.04.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
 

In [65]:
 

 

s1=pd.Series([1,2,3,4,5,6],index=["A","B","C","D","E","F"]) s1.name="S1" df2 = df1.append(s1) df2
 

Out[65]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908104.05.06.07.010.02.0
201908118.09.010.011.010.03.0
20190812100.00.00.00.010.04.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
S11.02.03.04.05.06.0
 

In [67]:
 

 

#插入一列 df1.insert(1,"G",df2["E"]) df1
 

Out[67]:
 

AGBCDEF
20190809100.010.01.02.03.010.01.0
201908104.010.05.06.07.010.02.0
201908118.010.09.010.011.010.03.0
20190812100.010.00.00.00.010.04.0
20190813100.010.00.00.00.010.05.0
20190814100.010.00.00.00.010.06.0
201908155.0NaN6.08.0NaNNaNNaN
 

In [68]:
 

 

g=df1.pop("G") df1.insert(6,"G",g) df1
 

Out[68]:
 

ABCDEFG
20190809100.01.02.03.010.01.010.0
201908104.05.06.07.010.02.010.0
201908118.09.010.011.010.03.010.0
20190812100.00.00.00.010.04.010.0
20190813100.00.00.00.010.05.010.0
20190814100.00.00.00.010.06.010.0
201908155.06.08.0NaNNaNNaNNaN
 

In [69]:
 

 

#删除列 del df1["G"] df1
 

Out[69]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908104.05.06.07.010.02.0
201908118.09.010.011.010.03.0
20190812100.00.00.00.010.04.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
 

In [70]:
 

 

df2 = df1.drop(["A","B"],axis=1) df1
 

Out[70]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908104.05.06.07.010.02.0
201908118.09.010.011.010.03.0
20190812100.00.00.00.010.04.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
 

In [71]:
 

 

df2
 

Out[71]:
 

CDEF
201908092.03.010.01.0
201908106.07.010.02.0
2019081110.011.010.03.0
201908120.00.010.04.0
201908130.00.010.05.0
201908140.00.010.06.0
201908158.0NaNNaNNaN
 

In [73]:
 

 

#删除行 df2=df1.drop([20190810,20190812],axis=0) df1
 

Out[73]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908104.05.06.07.010.02.0
201908118.09.010.011.010.03.0
20190812100.00.00.00.010.04.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
 

In [74]:
 

 

df2
 

Out[74]:
 

ABCDEF
20190809100.01.02.03.010.01.0
201908118.09.010.011.010.03.0
20190813100.00.00.00.010.05.0
20190814100.00.00.00.010.06.0
201908155.06.08.0NaNNaNNaN
 

 

__EOF__

                

        

    

  



    


                



	

		

			

				
					
pandas多列同时赋值_pandas-赋值操作

				
			

			

				

					weixin_39846364的博客
				

				

					12-19
					
					2862
					
				

			

		

		

			
				
1，pandas操作主要有对指定位置的赋值，如上一篇中的数据选择一样，根据loc，iloc，ix选择指定位置，直接赋值2，插入，insert方法，插入行和列3，添加4，删除 drop方法5，弹出 pop方法In [1]:import pandas as pdimport numpy as npIn [53]:dates = np.arange(20190809,20190815)df1 = pd....

			
		

	



                

            
              



	

		

			

				
					
pandas将df赋值到另一个df_pandas将df赋值到另一个df_Pandas之基础操作

				
			

			

				

					weixin_30839665的博客
				

				

					01-28
					
					2955
					
				

			

		

		

			
				
Pandas库主要针对Series和DataFrame两种数据结构进行操作，一般与Numpy同时导入：一、Series1、Series的定义与使用Series 是一个带有名称和索引(显性)的一维数组Series 中包含的数据类型可以是整数、浮点、字符串、列表、元组、ndarray等创建方式：pd.Series(['data=None', 'index=None', 'dtype=None', 'n...

			
		

	



              


  
              

                


	

		

			

				
					
pandas.DataFrame 根据条件新建列并赋值的方法

				
			

			

				

					12-25
				

			

		

		

			
				
实例如下所示：

import numpy as np
import pandas as pd
data = {'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou', 'Chongqing'],
    'year': [2016,2016,2015,2017,2016, 2016],
    'population': [2100, 2300, 1000, 700, 500, 500]}
frame = pd.DataFrame(data, columns = ['year', 'city', 'populat

			
		

	





	

		

			

				
					
pandas赋值

				
			

			

				

					happy_wealthy的博客
				

				

					03-03
					
					696
					
				

			

		

		

			
				
df[df[‘SUCC_RATE_ANOMALY’]==1]



			
		

	



		

			
		



	

		

			

				
					
「pandas」Pandas 基本数据操作、 索引、赋值、排序

					
最新发布

				
			

			

				

					qq_44906900的博客
				

				

					02-18
					
					341
					
				

			

		

		

			
				
更多内容请关注本人【pandas】专栏。

			
		

	





	

		

			

				
					
Pandas给DataFrame赋值

					
热门推荐

				
			

			

				

					chery的博客
				

				

					06-25
					
					13万+
					
				

			

		

		

			
				
Pandas 设置值


相关代码




创建数据

我们可以根据自己的需求, 用 pandas 进行更改数据里面的值, 或者加上一些空的,或者有数值的列.

首先建立了一个 6X4 的矩阵数据。



dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index...

			
		

	





	

		

			

				
					
pandas 给指定行赋值

				
			

			

				

					cuisidong1997的博客
				

				

					04-05
					
					1278
					
				

			

		

		

			
				
df[[‘A’, ‘B’]] = new_df[[‘A’, ‘B’]]  # 将df中的"A"和"B"列替换为new_df中对应的列。df.loc[df[‘A’] > 10, ‘B’] = 999  # 将"A"列大于10的行对应的"B"列的值赋值为999。df[[‘A’, ‘B’, ‘C’]] = s  # 将df中的"A", “B”, "C"列替换为s中的值。df[‘A’] = [10, 20, 30]  # 将"A"列的所有值替换为[10, 20, 30]

			
		

	





	

		

			

				
					
3.Pandas赋值及数据操作

				
			

			

				

					重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
				

				

					06-05
					
					1万+
					
				

			

		

		

			
				
文章目录0 引言1 Pandas赋值2 Pandas数据操作
0 引言
Pandas处理表格的数据时，有时候需要对某一行或者某一列的一个值需要赋值，有时候也需要其他的数据操作，比如删除，更改等操作。
1 Pandas赋值
import pandas as pd
import numpy as np

生成DataFrame表格数据
dates = np.arange(20200101,20200107)
df1 = pd.DataFrame(np.arange(24).reshape((6,4)),inde

			
		

	





	

		

			

				
					
3 pandas的赋值及操作

				
			

			

				

					manices的博客
				

				

					08-30
					
					3212
					
				

			

		

		

			
				
有时候我们需要对表格里面的数据进行一些预处理的操作，这时候就需要了解一下基本的操作方法。
首先赋值是基于选择数据的。那么让我们开始吧。
1 直接赋值 （改）
 在相应的位置，用 = 赋值

code
import numpy as np
import pandas as pd

dates = np.arange(20200101,20200107)
df1 = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['a','b','c',

			
		

	





	

		

			

				
					
pandas行列删除，插入

				
			

			

				

					yixiaowanmifan的博客
				

				

					10-20
					
					469
					
				

			

		

		

			
				
一、插入行
1.可以通过reindex来重新整体实现删除和插入
2.索引插入一个值，再reindex,更新索引，再赋值。
frame=DataFrame(np.random.randn(3,3),index=list('abc'),columns=['ohio','texas','california'])
frame
x=frame.index.insert(2,'f')###索引里插入一条真的...

			
		

	





	

		

			

				
					
pandas将df赋值到另一个df_Pandas常用功能总结

				
			

			

				

					weixin_39690958的博客
				

				

					01-28
					
					2490
					
				

			

		

		

			
				
1.读取.csv文件df2= pd.read_csv(‘beijingsale.csv‘, encoding=‘gb2312‘,index_col=‘id‘,sep=‘\t‘,header=None)参数解析见：https://www.cnblogs.com/datablog/p/6127000.htmlindex_col用于指定用作行索引的列编号或者列名，sep用于指定文件的分隔符(默认是以,...

			
		

	





	

		

			

				
					
Pandas——筛选数据（loc、iloc）

				
			

			

				

					12-22
				

			

		

		

			
				
文章目录1.普通方法筛选2.loc(纯标签筛选)3. iloc（纯数字筛选）4.ix（标签与数字的混合筛选）5.判断条件筛选
1.普通方法筛选
我们首先构造了一个 5X4 的矩阵数据。
import pandas as pd
import numpy as np
dates = pd.date_range('20200315', periods = 5)
df = pd.DataFrame(np.arange(20).reshape(5,4), index = dates, columns = ['A', 'B','C','D'])
print(df)
#输出
             A  

			
		

	





	

		

			

				
					
python pandas 赋值操作

				
			

			

				

					超级大洋葱的博客
				

				

					12-27
					
					4851
					
				

			

		

		

			
				
import pandas as pd
import numpy as np

df = pd.DataFrame(data = np.random.randint(0,150,size = [10,3]),# 计算机科⽬的考试成绩
 index = list('ABCDEFGHIJ'),# ⾏标签，⽤户
 columns=['Python','Tensorflow','Keras']) # 考试科⽬

s = pd.Series(data = np.random.randint(0,150,size =


			
		

	





	

		

			

				
					
创建pandas插入数据_Pandas的Categorical Data创建

				
			

			

				

					weixin_36006862的博客
				

				

					01-17
					
					301
					
				

			

		

		

			
				
16. Pandas的Categorical Data创建前一章里介绍了Categorical Data的基本含义，本章就如何创建、使用本数据类型进行较为相近的解析。需再说明一下Categorical Data和categories的区别，Categorical Data由两部分组成即categories和codes, categories是有限且唯一的分类的集合，codes是Categorica...

			
		

	





	

		

			

				
					
数据分析第三篇——Pandas的基本数据操作(赋值、索引与排序)

				
			

			

				

					m0_45654959的博客
				

				

					04-13
					
					762
					
				

			

		

		

			
				
3.2 基本数据操作

3.2.1 索引操作
3.2.2 赋值操作
3.2.3 排序

DataFrame
Series



读取数据
import pandas as pd
data = pd.read_excel('stock.xls', header=0, index_col=0, encoding='utf-8')
data




  
    
      
      close
...

			
		

	





	

		

			

				
					
pandas选择数据&pandas赋值及操作

				
			

			

				

					shanshuyue的博客
				

				

					11-05
					
					2690
					
				

			

		

		

			
				
import numpy as np
import pandas as pd

dates = pd.date_range('20170101',periods=6)
df1 = pd.DataFrame(np.arange(24).reshape((6,4)),
                   index=dates,columns=['A','B','C','D'])
df1


df1['A']
#提取A这个列，是series结构
#将DataFrame的列获取为一个Series


df1.A

			
		

	





	

		

			

				
					
pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序

				
			

			

				

					我的个人博客
				

				

					11-26
					
					4986
					
				

			

		

		

			
				
pandas索引操作、行列索引、loc、iloc、index或columns.get_indexer，pandas赋值操作，pandas排序，DataFrame排序，sort_values(by=, ascending=)，sort_index()，pd.DataFrame，pandas基本操作

			
		

	





	

		

			

				
					
【python】pandas对于数据的处理——插入、删除、空值重复值处理等

				
			

			

				

					weixin_39407597的博客
				

				

					08-22
					
					3512
					
				

			

		

		

			
				
pandas常见的对数据的处理有：插入、删除、空值查找/填充、重复值删除、排序、筛选等

			
		

	





	

		

			

				
					
Python本地数据处理：利用pandas高效操作

				
			

			

				

					
				

			

		

		

			
				
- **增加列**：可以使用`insert()`函数在指定位置插入新列，或者直接通过字典式赋值添加新列。 - **删除列**：`pop()`函数可以删除指定列，`drop()`函数也可以实现这一功能，需要设置`axis=1`表示按列删除。 - **...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值