Python3 Pandas的DataFrame數據的增、刪、改、查

一、DataFrame數據准備

增、刪、改、查的方法有很多很多種，這里只展示出常用的幾種。

參數inplace默認為False,只能在生成的新數據塊中實現編輯效果。當inplace=True時執行內部編輯，不返回任何值，原數據發生改變。

import numpy as np
import pandas as pd

#測試數據。
df = pd.DataFrame(data = [['lisa','f',22],['joy','f',22],['tom','m','21']],index = [1,2,3],columns = ['name','sex','age'])

數據：

   name sex age
1  lisa   f  22
2   joy   f  22
3   tom   m  21

二、增刪改查操作

1，增

（1）.按列增加

citys = ['ny','zz','xy']
df.insert(0,'city',citys) #在第0列，加上column名稱為city，值為citys的數值。
jobs = ['student','AI','teacher']
df['job'] = jobs #默認在df最后一列加上column名稱為job，值為jobs的數據。
df.loc[:,'salary'] = ['1k','2k','2k','2k','3k'] #在df最后一列加上column名稱為salary，值為等號右邊數據。

（2）按行增加

#若df中沒有index為“4”的這一行的話，該行代碼作用是往df中加一行index為“4”，值為等號右邊值的數據。若df中已經有index為“4”的這一行，則該行代碼作用是把df中index為“4”的這一行修改為等號右邊數據。
df.loc[4] = ['zz','mason','m',24,'engineer’]
df_insert = pd.DataFrame({'name':['mason','mario'],'sex':['m','f'],'age':[21,22]},index = [4,5])
#返回添加后的值，並不會修改df的值。ignore_index默認為False，意思是不忽略index值，即生成的新的ndf的index采用df_insert中的index值。若為True，則新的ndf的index值不使用df_insert中的index值，而是自己默認生成。
ndf = df.append(df_insert,ignore_index = True) 

2，查

（1）方法一：df['column_name'] 和df[row_start_index, row_end_index] 

df['name']
df['gender']
df[['name','gender']] #選取多列，多列名字要放在list里
df[0:]    #第0行及之后的行，相當於df的全部數據，注意冒號是必須的
df[:2]    #第2行之前的數據（不含第2行）
df[0:1]   #第0行
df[1:3]   #第1行到第2行（不含第3行）
df[-1:]   #最后一行
df[-3:-1] #倒數第3行到倒數第1行（不包含最后1行即倒數第1行，這里有點煩躁，因為從前數時從第0行開始，從后數就是-1行開始，畢竟沒有-0）

（2）方法一：df.loc[index,column] 

# df.loc[index, column_name],選取指定行和列的數據
df.loc[0,'name'] # 'Snow'
df.loc[0:2, ['name','age']]          #選取第0行到第2行，name列和age列的數據, 注意這里的行選取是包含下標的。
df.loc[[2,3],['name','age']]          #選取指定的第2行和第3行，name和age列的數據
df.loc[df['gender']=='M','name']      #選取gender列是M，name列的數據
df.loc[df['gender']=='M',['name','age']] #選取gender列是M，name和age列的數據

（3）方法三：iloc[row_index, column_index]

df.iloc[0,0]         #第0行第0列的數據，'Snow'
df.iloc[1,2]         #第1行第2列的數據，32
df.iloc[[1,3],0:2]   #第1行和第3行，從第0列到第2列（不包含第2列）的數據
df.iloc[1:3,[1,2]    #第1行到第3行（不包含第3行），第1列和第2列的數據

3，改

（1）改行列標題

df.columns = ['name','gender','age'] #盡管我們只想把’sex’改為’gender’，但是仍然要把所有的列全寫上，否則報錯。
df.rename(columns = {'name':'Name','age':'Age'},inplace = True) #只修改name和age。inplace若為True，直接修改df，否則，不修改df，只是返回一個修改后的數據。
df.index = list('abc')#把index改為a,b,c.直接修改了df。
df.rename({1:'a',2:'b',3:'c'},axis = 0,inplace = True)#無返回值，直接修改df的index。

（2）改數值

<1>使用loc

df.loc[1,'name'] = 'aa'              #修改index為‘1’，column為‘name’的那一個值為aa。
df.loc[1] = ['bb','ff',11]           #修改index為‘1’的那一行的所有值。
df.loc[1,['name','age']] = ['bb',11] #修改index為‘1’，column為‘name’的那一個值為bb，age列的值為11。

<2>使用iloc[row_index, column_index]

df.iloc[1,2] = 19              #修改某一無素
df.iloc[:,2] = [11,22,33]      #修改一整列
df.iloc[0,:] = ['lily','F',15] #修改一整行

4，刪

（1）刪除行

df.drop([1,3],axis = 0,inplace = False)#刪除index值為1和3的兩行，

（2）刪除列

df.drop(['name'],axis = 1,inplace = False)  #刪除name列。
del df['name']       #刪除name列。
ndf = df.pop('age')  #刪除age列，操作后，df都丟掉了age列,age列返回給了ndf。