标签：loc index Python drop excel 行列 16 df True
来自https://www.cnblogs.com/guxh/p/9420610.html， 感谢作者。
创建df：
| 1 2 3 4 5 6 7 |
>>> df = pd.DataFrame(np.arange(16).reshape(4, 4), columns=list('ABCD'), index=list('1234'))
>>> df
A B C D
1 0 1 2 3
2 4 5 6 7
3 8 9 10 11
4 12 13 14 15
|
1，删除行
1.1，drop
通过行名称删除：
| 1 2 |
df = df.drop(['1', '2']) # 不指定axis默认为0
df.drop(['1', '3'], inplace=True)
|
通过行号删除：
| 1 2 3 |
df.drop(df.index[0], inplace=True) # 删除第1行
df.drop(df.index[0:3], inplace=True) # 删除前3行
df.drop(df.index[[0, 2]], inplace=True) # 删除第1第3行
|
1.2，通过各种筛选方法实现删除行
详见pandas“选择行单元格，选择行列“的笔记
举例，通过筛选可以实现很多功能，例如要对某行数据去重，可以获取去重后的index列表后，使用loc方法：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 |
>>> df.loc['2','B']=9
>>> df
A B C D
1 0 1 2 3
2 4 9 6 7
3 8 9 10 11
4 12 13 14 15
>>> chooses = df['B'].drop_duplicates().index
>>> df.loc[chooses]
A B C D
1 0 1 2 3
2 4 9 6 7
4 12 13 14 15
|
2，删除列
2.1，del
| 1 |
del df['A'] # 删除A列，会就地修改
|
2.2，drop
通过列名称删除：
| 1 2 |
df = df.drop(['B', 'C'], axis=1) # drop不会就地修改，创建副本返回
df.drop(['B', 'C'], axis=1, inplace=True) # inplace=True会就地修改
|
使用列数删除，传入参数是int，列表，者切片：
| 1 2 3 |
df.drop(df.columns[0], axis=1, inplace=True) # 删除第1列
df.drop(df.columns[0:3], axis=1, inplace=True) # 删除前3列
df.drop(df.columns[[0, 2]], axis=1, inplace=True) # 删除第1第3列
|
2.3，通过各种筛选方法实现删除列
详见pandas“选择行单元格，选择行列“的笔记
3，增加行
3.1，loc，at，set_value
想增加一行，行名称为‘5’，内容为[16, 17, 18, 19]
| 1 2 3 |
df.loc['5'] = [16, 17, 18, 19] # 后面的序列是Iterable就行
df.at['5'] = [16, 17, 18, 19]
df.set_value('5', df.columns, [16, 17, 18, 19], takeable=False) # warning，set_value会被取消
|
3.2，append
添加有name的Series：
| 1 2 |
s = pd.Series([16, 17, 18, 19], index=df.columns, name='5')
df = df.append(s)
|
添加没有name的Series，必须ignore_index：
| 1 2 |
s = pd.Series([16, 17, 18, 19], index=df.columns)
df = df.append(s, ignore_index=True)
|
可以 append字典列表，同样需要必须ignore_index：
| 1 2 |
ls = [{'A': 16, 'B': 17, 'C': 18, 'D': 19}, {'A': 20, 'B': 21, 'C': 22, 'D': 23}]
df = df.append(ls, ignore_index=True)
|
3.3，逐行增加
简单的逐行添加内容，可以：
| 1 |
df.loc[len(df)] = [16, 17, 18, 19]
|
但需要注意：len(df)生成的是int，如果生成的int，df已经存在了，会覆盖该行数据，而不会新增
3.4，插入行
增加行没找到类似insert这种可以插入的方法，暂时替代方法可以先reindex，再赋值：
| 1 2 |
df = df.reindex(index=df.index.insert(2, '5'))
df.loc['5'] = [16, 17, 18, 19]
|
4，df增加列
一般涉及到增加列项时，经常会对现有的数据进行遍历运算，获得新增列项的值，所以这里结合对DataFrame的遍历讨论增加列。
例如，想增加一列'E'，值等于'A'和'C'列对应值之和。
4.1，遍历DataFrame获取序列的方法
| 1 2 3 4 5 |
s = [a + c for a, c in zip(df['A'], df['C'])] # 通过遍历获取序列
s = [row['A'] + row['C'] for i, row in df.iterrows()] # 通过iterrows()获取序列，s为list
s = df.apply(lambda row: row['A'] + row['C'], axis=1) # 通过apply获取序列，s为Series
s = df['A'] + df['C'] # 通过Series矢量相加获取序列
s = df['A'].values + df['C'].values # 通过Numpy矢量相加获取序列
|
4.2，[ ]，loc
通过df[]或者df.loc添加序列
| 1 2 |
df.loc[:, 'E'] = s
df['E'] = s
|
4.3，Insert
可以指定插入位置，和插入列名称
| 1 |
df.insert(0, 'E', s)
|
4.4，concat
| 1 2 |
s = pd.Series([16, 17, 18, 19], name='E', index=df.index)
df = pd.concat([df, s], axis=1)
|
4.5，iloc和loc遍历过程中给列赋值
效率比较低
df['E']是DataFrame的一个Series，是引用，对其修改也能改变DataFrame，但运行时报了Warning
| 1 2 3 4 |
df['E'] = None # 需事先创建e列，否则iloc遍历会报错，loc遍历无需事先创建
for i in range(len(df)):
df['E'].iloc[i] = df['A'].iloc[i] + df['C'].iloc[i]
# SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
|
不用Series不会报Warning：
| 1 2 3 4 |
df['E'] = None
col_no = [i for i in df.columns].index('E')
for i in range(len(df)):
df.iloc[i, col_no] = df['A'].iloc[i] + df['C'].iloc[i]
|
用loc无需先给E列赋空值：
| 1 2 |
for i in df.index:
df.loc[i, 'E'] = df.loc[i, 'A'] + df.loc[i, 'C']
|
4.6，逐列增加
简单的逐列添加内容，可以：
| 1 |
df[len(df)] = [16, 17, 18, 19]
|
但需要注意：len(df)生成的是int，如果生成的int，df已经存在了，会覆盖该列数据，而不会新增
4.7，其他方法
增加3列，EFG，value默认为np.NaN
| 1 2 |
df = pd.concat([df, pd.DataFrame(columns=list('EFG'))]) # 列的次序无法指定，并且fillna时会对整个df做出调整
df = df.reindex(columns=list('ABCDEFG'), fill_value=0) # 列的次序按照list指定，并且fill_value只对新增列做出调整，推荐！
|
标签：loc,index,Python,drop,excel,行列,16,df,True 来源： https://www.cnblogs.com/tonyxiao/p/15656394.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。