python中pandas.DataFrame（建立、索引、增加與刪除）的簡單操作方法介紹

這篇文章python中pandas.DataFrame（建立、索引、增添與刪除）的簡單操作方法介紹，其中包括創建、索引、增添與刪除等的相關資料，文中介紹的非常詳細，需要的朋友可以參考借鑒，下面來一起看看吧。

前言

最近在網路上搜了許多關於pandas.DataFrame的操作說明，都是一些基礎的操作，但這些操作組合起來還是比較花時間正確操作DataFrame，花了我挺長時間去調整BUG的。我在這裡做一些總結，方便你我他。有興趣的朋友們一起來看看吧。

一、建立DataFrame的簡單操作：

1、根據字典創造：

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`

字典中的keys就是DataFrame裡面的columns，但是沒有index的值，所以需要自己設定，不設定預設是從零開始計數。

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、從多維數組建立

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

從多維數組建立就需要為DataFrame賦值columns和index，否則就是預設的，很醜的。

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、用其他的DataFrame建立

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

這裡的拷貝是深拷貝，改變cc中的值並不能改變bb中的值。

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

二、DataFrame的索引操作：

#對於一個DataFrame來說，索引是最煩的，最容易出錯的。

1、索引一列或幾列，比較簡單：

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

多個列名需要將輸入的列名存在一個列表裡，才是個collerable的變量，否則會報錯。

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

2、索引一筆記錄或幾筆記錄：

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

這裡注意冒號是必須有的，否則是索引列的了。

3、索引某幾列的變數的某幾筆記錄，這個折磨了我好久：

第一種

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

這種不能改變這裡面的值，你只是能讀值，不能寫值，可能和loc()函數有關：

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

第二種：也是只能看

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

想要改變其中的值就會報錯。

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)

第三種：可以改變資料的值！ ！ ！

Iloc是依照資料的行列數來索引，不算index和columns

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

#下面是證明：

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

三、在原有的DataFrame上新建一個columns或幾個columns

1、什麼都不需要的，只能單獨建立一列，多列並不好使，親測無效：

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"

賦予的list基本就是按照所給index值順序賦值，可是一般我們是要對應的index進行賦值，想要更高級的賦值就看後面的了。

2、使用字典進行多列按index賦值：

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

這裡aa是一個字典和列表的嵌套，相當於一筆記錄，使用keys當做index名而不是一般預設的columns名。達到了按index多列匹配的目的。由於dict（）儲存是混亂的，之間用dict（）而不給他的index賦值會記錄錯亂，這一點注意值得注意。

四、刪除多列或多記錄：

#刪除列

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

刪除記錄

bb.drop([22,33],axis=0)
Out[61]: 
 one two three new hi hello ok
44 9 9 9 4 657 77 77

跟大家分享一篇關於python中pandas.DataFrame對行與列求和及新增行與列範例，有興趣的朋友們可以看看。

DataFrame還有很多功能還沒有涉及，等以後有涉及到，看完官網的API之後，還會繼續分享，everything is ok。

相關文章：

關於python中pandas.DataFrame對行與列求和及新增行與列範例程式碼

詳解python中pandas.DataFrame排除特定行方法範例程式碼

#

以上是python中pandas.DataFrame（建立、索引、增加與刪除）的簡單操作方法介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章！