pandas如何修改DataFrame行/列/字段值

更新时间：2023年08月15日 10:04:13 作者：guotianqing

这篇文章主要介绍了pandas如何修改DataFrame行/列/字段值问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

pandas修改DataFrame行/列/字段值

增加/修改一列

有如下几种方法增加一列：

增加具有相同值的一列

import pandas as pd    
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }    
df=pd.DataFrame(dict,index=['2018','2019','2020'])    
print(df)    
print('\n')    
print('Adding new column:')    
print('\n')    
df['Economics']=99    
print(df)

结果如下：

在这里插入图片描述

增加定制值的一列，此方法也可以修改原有值

df['Economics']=99  
df['Economics']=[99,85,56]
print(df)    
df.at[:,'Economics']=[78,85,74] 
print(df)    
df.loc[:,'Economics']=[94,87,86]
print(df)    
df2=df.assign(Economics=[92,81,66])    
print(df)

输出如下：

在这里插入图片描述

增加/修改一行

语法基本同列，直接上代码：

# 增加具有相同值的一行
df.at[2021,:]=100    
print(df)    
# 定制值，该方法也可修改该行原有值
df.loc['2022',:]=[89,21,87,59,22]    
print(df)

输出如下：

在这里插入图片描述

删除列

代码：

# 只有删除一列
del df['Economics']  
# 可删除多列，有多个参数，其中，axis=1表示列，0表示行，inplace表示是否本地修改，默认False，返回修改后的df，原df不变，True则表示修改原来的df
df.drop(['English','Science'],axis=1,inplace=True)

结果如下：

在这里插入图片描述

删除行

使用drop即可：

import pandas as pd    
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }    
df=pd.DataFrame(dict,index=['2018','2019','2020'])    
df.at[2021,:]=100    
df.at[2022,:]=[99,98,97,96]    
print(df)    
print('\n')    
print('Deleting a row:')    
print('\n')    
df.drop(['2019'],axis=0,inplace=True)    
print(df)    
print('\n')    
print('Deleting multiple rows:')    
print('\n')    
df.drop(df.index[[0,2]],axis=0,inplace=True)    
print(df)

结果如下：

在这里插入图片描述

修改指定值

可以基于指定的列名和行名修改，也可以根据指定的行号和列号修改。

示例如下：

import pandas as pd    
dict= {'English':[85,73,98], 'Math':[60,80,58], 'Science':[90,60,74], 'French': [95,87,92] }     
df=pd.DataFrame(dict,index=['2018','2019','2020'])   
print(df)    
# 基于指定的列名和行名修改
using_name=df.Math['2019']=99    
print(df)    
# 根据指定的行号和列号修改
using_index=df.iloc[2,2]=99    
print(df)

结果如下：

在这里插入图片描述

注意：

DataFrame提供了丰富的方法来操作数据，可以方便地对行列进行增删改操作。

pandas更改DataFrame中的值

构造DataFrame

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   B   C   D
2020-03-15   0   1   2   3
2020-03-16   4   5   6   7
2020-03-17   8   9  10  11
2020-03-18  12  13  14  15
2020-03-19  16  17  18  19

运用loc、iloc更改值

我们可以利用索引或者标签确定需要修改值的位置。

df.loc['20200318','C'] = 20200318     #标签索引
df.iloc[2,3] = 20200318    #数字索引
print(df)
#输出
             A   B         C         D
2020-03-15   0   1         2         3
2020-03-16   4   5         6         7
2020-03-17   8   9        10  20200318
2020-03-18  12  13  20200318        15
2020-03-19  16  17        18        19

运用条件判断更改值

如果现在的判断条件是这样, 我们想要更改B中的数, 而更改的位置是取决于 C的. 对于C大于6的位置. 更改B在相应位置上的数为0.

df.B[df.C>6] = 0    #C字段中大于6的那些行在B字段中全都设为0
print(df)
#输出
             A  B         C         D
2020-03-15   0  1         2         3
2020-03-16   4  5         6         7
2020-03-17   8  0        10  20200318
2020-03-18  12  0  20200318        15
2020-03-19  16  0        18        19

在DataFrame中添加一列

如果对整列做批处理, 加上一列 ‘E’, 并将 E 列全改为 NaN, 如下：

df['E'] = np.nan
print(df)
#输出
             A   B   C   D   E
2020-03-15   0   1   2   3 NaN
2020-03-16   4   5   6   7 NaN
2020-03-17   8   9  10  11 NaN
2020-03-18  12  13  14  15 NaN
2020-03-19  16  17  18  19 NaN

用上面的方法也可以加上 Series 序列（但是长度必须对齐）。

df['F'] = pd.Series([11,22,33,44,55],index = pd.date_range('20200315',periods = 5))
print(df)
#输出
             A   B   C   D   E   F
2020-03-15   0   1   2   3 NaN  11
2020-03-16   4   5   6   7 NaN  22
2020-03-17   8   9  10  11 NaN  33
2020-03-18  12  13  14  15 NaN  44
2020-03-19  16  17  18  19 NaN  55

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

windows下兼容Python2和Python3的解决方法
这篇文章主要介绍了windows下兼容Python2和Python3的解决方法,需要的朋友可以参考下
2018-12-12
Python和C/C++交互的几种方法总结
这篇文章主要给大家总结介绍了Python和C/C++交互的几种方法，文中介绍的非常详细，对大家具有一定的参考学习价值，需要的朋友们下面来一起看看吧。
2017-05-05
Python绘图之turtle库的基础语法使用
这篇文章主要给大家介绍了关于Python绘图之turtle库的基础语法使用的相关资料, Turtle库是Python语言中一个很流行的绘制图像的函数库,再绘图的时候经常需要用到的一个库需要的朋友可以参考下
2021-06-06
Python使用Matplotlib绘制散点趋势线的代码详解
Matplotlib是一个用于数据可视化的强大Python库,其基本功能之一是创建带有趋势线的散点图,散点图对于可视化变量之间的关系非常有用,本文将指导您使用Matplotlib绘制散点趋势线的过程,涵盖线性和多项式趋势线,需要的朋友可以参考下
2025-01-01
Python2.7+pytesser实现简单验证码的识别方法
这篇文章主要介绍了Python2.7+pytesser实现简单验证码的识别方法,简单分析了pytesser的安装及Python2.7环境下实现验证码识别的相关操作技巧,需要的朋友可以参考下
2017-12-12
三行代码使用Python将视频转Gif的方法示例
本文主要介绍了三行代码使用Python将视频转Gif的方法示例，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-10-10
python 执行函数的九种方法
这篇文章主要介绍了python 执行函数的九种方法，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
2021-03-03
用python3读取python2的pickle数据方式
今天小编就为大家分享一篇用python3读取python2的pickle数据方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
python音频处理用到的操作的示例代码
本篇文章主要介绍了python音频处理用到的操作的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2017-10-10
python字典基本操作实例分析
这篇文章主要介绍了python字典基本操作,实例分析了Python的打印输出、删除、赋值等常用技巧,具有一定参考借鉴价值,需要的朋友可以参考下
2015-07-07