찾다
백엔드 개발파이썬 튜토리얼Python에서 pandas.DataFrame(생성, 색인, 추가 및 삭제)의 간단한 작업 방법 소개

이 글에서는 생성, 인덱싱, 추가, 삭제에 대한 관련 정보를 포함하여 Python에서 pandas.DataFrame의 간단한 작업 방법(생성, 인덱싱, 추가 및 삭제)을 소개합니다. 참고로 아래를 살펴보겠습니다.

머리말

최근 인터넷에서 pandas.DataFrame에 대한 조작방법을 많이 찾아봤는데, 다 기본조작이지만, 이러한 작업의 조합 DataFrame을 올바르게 작동하려면 아직 시간이 걸리는 것 같고, 버그를 조정하는 데도 오랜 시간이 걸렸습니다. 나는 당신과 나와 다른 사람들의 편의를 위해 여기에 몇 가지 요약을 작성하겠습니다. 관심 있는 친구들은 와서 구경해 보세요.

1. DataFrame을 생성하는 간단한 작업:

1. 사전을 기반으로 생성:

In [1]: import pandas as pd
In [3]: aa={'one':[1,2,3],'two':[2,3,4],'three':[3,4,5]}
In [4]: bb=pd.DataFrame(aa)
In [5]: bb
Out[5]: 
 one three two
0 1 3 2
1 2 4 3
2 3 5 4`

사전의 키는 DataFrame의 열이지만 인덱스 값이 없으므로 직접 설정해야 합니다. 설정하지 않으면 기본값은 0부터 계산됩니다.

bb=pd.DataFrame(aa,index=['first','second','third'])
bb
Out[7]: 
 one three two
first 1 3 2
second 2 4 3
third 3 5 4

2. 다차원 배열에서 생성

import numpy as np
In [9]: del aa
In [10]: aa=np.array([[1,2,3],[4,5,6],[7,8,9]])
In [11]: aa
Out[11]: 
array([[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]])
In [12]: bb=pd.DataFrame(aa)
In [13]: bb
Out[13]: 
 0 1 2
0 1 2 3
1 4 5 6
2 7 8 9

다차원 배열에서 생성하려면 DataFrame에 열과 인덱스를 할당해야 합니다. 그렇지 않으면 그것은 추악한 기본값이 될 것입니다.

bb=pd.DataFrame(aa,index=[22,33,44],columns=['one','two','three'])
In [15]: bb
Out[15]: 
 one two three
22 1 2 3
33 4 5 6
44 7 8 9

3. 다른 DataFrame을 사용하여

bb=pd.DataFrame(aa,index=[22,33,44],columns=['one','two','three'])
bb
Out[15]: 
 one two three
22 1 2 3
33 4 5 6
44 7 8 9
cc=bb[['one','three']].copy()
Cc
Out[17]: 
 one three
22 1 3
33 4 6
44 7 9

를 생성합니다. 여기의 복사본은 cc의 값을 변경하면 bb의 값을 변경할 수 없습니다.

cc['three'][22]=5
bb
Out[19]: 
 one two three
22 1 2 3
33 4 5 6
44 7 8 9

cc
Out[20]: 
 one three
22 1 5
33 4 6
44 7 9

2. DataFrame의 인덱스 작업:

DataFrame의 경우 인덱스 작업이 가장 번거롭고 오류가 발생하기 쉽습니다.

1. 하나 이상의 열을 인덱싱하는 것은 비교적 간단합니다.

bb['one']
Out[21]: 
22 1
33 4
44 7
Name: one, dtype: int32

열 이름이 여러 개인 경우 입력 열 이름을 목록에 저장해야 합니다. 변수입니다. 그렇지 않으면 오류가 보고됩니다.

bb[['one','three']]
Out[29]: 
 one three
22 1 3
33 4 6
44 7 9

2. 하나의 레코드 또는 여러 레코드 인덱스:

bb[1:3]
Out[27]: 
 one two three
33 4 5 6
44 7 8 9
bb[:1]
Out[28]: 
 one two three
22 1 2 3

여기서 콜론이 필수라는 점에 유의하세요. 그렇지 않으면 인덱스 열이 됩니다. .

3. 특정 열의 특정 변수 레코드를 색인화하는 것은 오랫동안 저를 괴롭혔습니다.

첫 번째 유형

bb.loc[[22,33]][['one','three']]
Out[30]: 
 one three
22 1 3
33 4 6

는 여기서 값을 변경할 수 없습니다. 값을 읽을 수만 있고 쓸 수는 없습니다. loc() 함수와 관련이 있을 수 있습니다.

bb.loc[[22,33]][['one','three']]=[[2,2],[3,6]]
In [32]: bb
Out[32]: 
 one two three
22 1 2 3
33 4 5 6
44 7 8 9

두 번째 유형:

bb[['one','three']][:2]
Out[33]: 
 one three
22 1 3
33 4 6

값을 변경하려는 경우 오류가 보고됩니다.

In [34]: bb[['one','three']][:2]=[[2,2],[2,2]]
-c:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
F:\Anaconda\lib\site-packages\pandas\core\frame.py:1999: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
 return self._setitem_slice(indexer, value)

세 번째 유형: 데이터 값을 변경할 수 있습니다! ! !

Iloc은 인덱스와 열을 계산하지 않고 데이터의 행과 열 수에 따라 인덱스를 생성합니다

bb.iloc[2:3,2:3]
Out[36]: 
 three
44 9

bb.iloc[1:3,1:3]
Out[37]: 
 two three
33 5 6
44 8 9
bb.iloc[0,0]
Out[38]: 1

다음은 증명입니다.

bb.iloc[0:4,0:2]=[[9,9],[9,9],[9,9]]
In [45]: bb
Out[45]: 
 one two three
22 9 9 3
33 9 9 6
44 9 9 9

3. 원본에서 DataFrame에 새 열 또는 여러 열을 만듭니다.

1. 아무것도 사용하지 않고 여러 열만 만들 수 있습니다. 개인 테스트가 작동하지 않습니다:

bb['new']=[2,3,4]
bb
Out[51]: 
 one two three new
22 9 9 3 2
33 9 9 6 3
44 9 9 9 4
bb[['new','new2']]=[[2,3,4],[5,3,7]]
KeyError: "['new' 'new2'] not in index"
할당된 목록은 기본적으로 주어진 인덱스 값의 순서로 할당되지만 일반적으로 더 고급 할당을 원할 경우 해당 인덱스를 할당해야 합니다. 다음을 보세요.

2. 사전을 사용하여 인덱스별로 여러 열에 값을 할당합니다.

aa={33:[234,44,55],44:[657,77,77],22:[33,55,457]}
In [58]: bb=bb.join(pd.DataFrame(aa.values(),columns=['hi','hello','ok'],index=aa.keys()))
In [59]: bb
Out[59]: 
 one two three new hi hello ok
22 9 9 3 2 33 55 457
33 9 9 6 3 234 44 55
44 9 9 9 4 657 77 77
여기서 aa는 레코드에 해당하는 중첩된 사전 및 목록입니다. 키를 일반적인 기본 열 이름 대신 인덱스 이름으로 사용합니다. 여러 열을 인덱스별로 일치시키는 목적이 달성되었습니다.

의 저장 공간이 혼란스럽기 때문에 인덱스에 값을 할당하지 않고

을 사용하면 기록에 혼란이 발생할 수 있다는 점은 주목할 만합니다. dict()dict()

4. 여러 열 또는 레코드 삭제:

열 삭제

bb.drop(['new','hi'],axis=1)
Out[60]: 
 one two three hello ok
22 9 9 3 55 457
33 9 9 6 44 55
44 9 9 9 77 77

레코드 삭제

bb.drop([22,33],axis=0)
Out[61]: 
 one two three new hi hello ok
44 9 9 9 4 657 77 77
Python의 pandas.DataFrame에서 행과 열을 합산하고 새 행과 열을 추가하는 방법에 대한 기사를 공유해 보세요.

DataFrame에는 아직 다루지 않은 기능이 많이 있습니다. 앞으로는 공식 웹사이트에서 API를 읽어본 후 계속 공유하겠습니다.

관련 기사:

행과 열을 합산하고 새 행과 열을 추가하는 Python의 pandas.DataFrame 정보 샘플 코드

자세히 Python에서 특정 행을 제외하는 pandas.DataFrame 메서드의 샘플 코드 설명

위 내용은 Python에서 pandas.DataFrame(생성, 색인, 추가 및 삭제)의 간단한 작업 방법 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
어레이는 파이썬으로 과학 컴퓨팅에 어떻게 사용됩니까?어레이는 파이썬으로 과학 컴퓨팅에 어떻게 사용됩니까?Apr 25, 2025 am 12:28 AM

Arraysinpython, 특히 비밀 복구를위한 ArecrucialInscientificcomputing.1) theaRearedFornumericalOperations, DataAnalysis 및 MachinELearning.2) Numpy'SimplementationIncensuressuressurations thanpythonlists.3) arraysenablequick

같은 시스템에서 다른 파이썬 버전을 어떻게 처리합니까?같은 시스템에서 다른 파이썬 버전을 어떻게 처리합니까?Apr 25, 2025 am 12:24 AM

Pyenv, Venv 및 Anaconda를 사용하여 다양한 Python 버전을 관리 할 수 ​​있습니다. 1) PYENV를 사용하여 여러 Python 버전을 관리합니다. Pyenv를 설치하고 글로벌 및 로컬 버전을 설정하십시오. 2) VENV를 사용하여 프로젝트 종속성을 분리하기 위해 가상 환경을 만듭니다. 3) Anaconda를 사용하여 데이터 과학 프로젝트에서 Python 버전을 관리하십시오. 4) 시스템 수준의 작업을 위해 시스템 파이썬을 유지하십시오. 이러한 도구와 전략을 통해 다양한 버전의 Python을 효과적으로 관리하여 프로젝트의 원활한 실행을 보장 할 수 있습니다.

표준 파이썬 어레이를 통해 Numpy Array를 사용하면 몇 가지 장점은 무엇입니까?표준 파이썬 어레이를 통해 Numpy Array를 사용하면 몇 가지 장점은 무엇입니까?Apr 25, 2025 am 12:21 AM

Numpyarrayshaveseveraladvantagesstandardpythonarrays : 1) thearemuchfasterduetoc 기반 간증, 2) thearemorememory-refficient, 특히 withlargedatasets 및 3) wepferoptizedformationsformationstaticaloperations, 만들기, 만들기

어레이의 균질 한 특성은 성능에 어떤 영향을 미칩니 까?어레이의 균질 한 특성은 성능에 어떤 영향을 미칩니 까?Apr 25, 2025 am 12:13 AM

어레이의 균질성이 성능에 미치는 영향은 이중입니다. 1) 균질성은 컴파일러가 메모리 액세스를 최적화하고 성능을 향상시킬 수 있습니다. 2) 그러나 유형 다양성을 제한하여 비 효율성으로 이어질 수 있습니다. 요컨대, 올바른 데이터 구조를 선택하는 것이 중요합니다.

실행 파이썬 스크립트를 작성하기위한 모범 사례는 무엇입니까?실행 파이썬 스크립트를 작성하기위한 모범 사례는 무엇입니까?Apr 25, 2025 am 12:11 AM

tocraftexecutablepythonscripts, 다음과 같은 비스트 프랙티스를 따르십시오 : 1) 1) addashebangline (#!/usr/bin/envpython3) tomakethescriptexecutable.2) setpermissionswithchmod xyour_script.py.3) organtionewithlarstringanduseifname == "__"

Numpy 배열은 배열 모듈을 사용하여 생성 된 배열과 어떻게 다릅니 까?Numpy 배열은 배열 모듈을 사용하여 생성 된 배열과 어떻게 다릅니 까?Apr 24, 2025 pm 03:53 PM

numpyarraysarebetterfornumericaloperations 및 multi-dimensionaldata, mumemer-efficientArrays

Numpy Array의 사용은 Python에서 어레이 모듈 어레이를 사용하는 것과 어떻게 비교됩니까?Numpy Array의 사용은 Python에서 어레이 모듈 어레이를 사용하는 것과 어떻게 비교됩니까?Apr 24, 2025 pm 03:49 PM

numpyarraysarebetterforheavynumericalcomputing, whilearraymoduleisiMoresuily-sportainedprojectswithsimpledatatypes.1) numpyarraysofferversatively 및 formanceforgedatasets 및 complexoperations.2) Thearraymoduleisweighit 및 ep

CTYPES 모듈은 파이썬의 어레이와 어떤 관련이 있습니까?CTYPES 모듈은 파이썬의 어레이와 어떤 관련이 있습니까?Apr 24, 2025 pm 03:45 PM

ctypesallowscreatingandmanipulatingC-stylearraysinPython.1)UsectypestointerfacewithClibrariesforperformance.2)CreateC-stylearraysfornumericalcomputations.3)PassarraystoCfunctionsforefficientoperations.However,becautiousofmemorymanagement,performanceo

See all articles

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

WebStorm Mac 버전

WebStorm Mac 버전

유용한 JavaScript 개발 도구

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse를 SAP NetWeaver 애플리케이션 서버와 통합합니다.

에디트플러스 중국어 크랙 버전

에디트플러스 중국어 크랙 버전

작은 크기, 구문 강조, 코드 프롬프트 기능을 지원하지 않음

안전한 시험 브라우저

안전한 시험 브라우저

안전한 시험 브라우저는 온라인 시험을 안전하게 치르기 위한 보안 브라우저 환경입니다. 이 소프트웨어는 모든 컴퓨터를 안전한 워크스테이션으로 바꿔줍니다. 이는 모든 유틸리티에 대한 액세스를 제어하고 학생들이 승인되지 않은 리소스를 사용하는 것을 방지합니다.