Python数据操作实战：pandas的添加、删除、修改和查询方法

pandas增删改查

当我们把数据放入DataFrame后，要数据分析就需要对数据进行进行各种操作，最常见的操作就是增删改查，特别是查，查进一步就是探查分析。

1.pandas读取数据

import pandas as pd
frame = pd.read_csv('./test.csv', header=None, columns=['state', 'year', 'pop'])
frame.index = frame['state']

2. pandas查

查询pandas有很多不同的方式，pandas处理的数据为表格形式，即行列式，访问数据既可以通过行和列组合来访问。

• 按行访问和按列访问

  pandas可以按照行号的切片方式来访问，如frame[0:4] 获取前5行数据
  pandas通过列名直接筛选多列的数据如frame[['pop', 'year']]获取pop和year列

• loc和iloc 行列组合访问
  loc 是按照索引名称和列名进行查询行列数据；iloc是按照行列整数来进行查询行列数据

  # 访问索引为Ohio的行，year和pop列
  frame.loc['Ohio', ['year', 'pop']]
  
  # 访问year和pop列的所有行
  frame.loc[:, ['year', 'pop']]
  
  # 访问前4行
  frame.iloc[0:3,]
  
  # 访问前4行，第3列
  frame.iloc[0:3, 2]

• 条件查询

  最常用的条件查询方式是通过列名直接比较，如

  • frame[frame['year'] > 2001] 表示year这一列大于2001的所有行
  • 另一种等价的写法为query： frame.query('year > 2001')

pandas增删改

pandas增加行和列的方式可以通过增加一个Series的方式

• 增加一列

frame['age'] = frame['year'] - 1900

• 增加一行

frame.loc[len(frame.index)] = ['1', 2, 4]

删除行和列

# 删除列（按照列名）
frame.drop(['age'], axis=1)

# 删除行（按照行的索引）
frame.drop(['Ohio'], axis=0)
frame.drop([6], axis=0)

# 替换第一行
frame[0:1] = [ 2, 1.2, 20]

# 修改第二行第3列
frame.iloc[1, 2] = 4