python中pandas.DataFrame的简单操作方法（创建、索引、增添与删除）


            前言

最近在网上搜了许多关于pandas.DataFrame的操作说明，都是一些基础的操作，但是这些操作组合起来还是比较费时间去正确操作DataFrame，花了我挺长时间去调整BUG的。我在这里做一些总结，方便你我他。感兴趣的朋友们一起来看看吧。

一、创建DataFrame的简单操作：

1、根据字典创造：





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里面的columns，但是没有index的值，所以需要自己设定，不设定默认是从零开始计数。





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、从多维数组中创建





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



从多维数组中创建就需要为DataFrame赋值columns和index，否则就是默认的，很丑的。





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创建





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



这里的拷贝是深拷贝，改变cc中的值并不能改变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：

对于一个DataFrame来说，索引是最烦的，最易出错的。

1、索引一列或几列，比较简单：





bb['one']

Out[21]: 

22 1

33 4

44 7

Name: one, dtype: int32



多个列名需要将输入的列名存在一个列表里，才是个collerable的变量，否则会报错。





bb[['one','three']]

Out[29]: 

 one three

22 1 3

33 4 6

44 7 9



2、索引一条记录或几条记录：





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



这里注意冒号是必须有的，否则是索引列的了。

3、索引某几列的变量的某几条记录，这个折磨了我好久：

第一种





bb.loc[[22,33]][['one','three']]

Out[30]: 

 one three

22 1 3

33 4 6



这种不能改变这里面的值，你只是能读值，不能写值，可能和loc()函数有关：





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



第二种：也是只能看





bb[['one','three']][:2]

Out[33]: 

 one three

22 1 3

33 4 6



想要改变其中的值就会报错。





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)



第三种：可以改变数据的值！！！

Iloc是按照数据的行列数来索引，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



下面是证明：





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上新建一个columns或几个columns

1、什么都不用的，只能单独创建一列，多列并不好使，亲测无效：





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"



赋予的list基本就是按照所给index值顺序赋值，可是一般我们是要对应的index进行赋值，想要更高级的赋值就看后面的了。

2、使用字典进行多列按index赋值：





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



这里aa是一个字典和列表的嵌套，相当于一条记录，使用keys当做index名而不是一般默认的columns名。达到了按index多列匹配的目的。由于dict（）储存是混乱的，之间用dict（）而不给他的index赋值会记录错乱，这一点注意值得注意。

四、删除多列或多记录：

删除列





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



删除记录





bb.drop([22,33],axis=0)

Out[61]: 

 one two three new hi hello ok

44 9 9 9 4 657 77 77



跟大家分享一篇关于python中pandas.DataFrame对行与列求和及添加新行与列示例，感兴趣的朋友们可以看看。

DataFrame还有很多功能还没有涉及，等以后有涉及到，看完官网的API之后，还会继续分享，everything is ok。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对中文源码网的支持。