极客教程处理Pandas数据框架中的行和列问题
数据框架是一种二维数据结构，即数据以表格的方式排列在行和列中。我们可以对行/列进行基本操作，如选择、删除、添加和重命名。在这篇文章中，我们使用的是nba.csv文件。
处理列的问题
为了处理列，我们对列进行基本操作，如选择、删除、添加和重命名。
列的选择：
为了在Pandas DataFrame中选择一个列，我们可以通过调用列的名称来访问这些列。
# Import pandas package
import pandas as pd
# Define a dictionary containing employee data
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
'Age':[27, 24, 22, 32],
'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)
# select two columns
print(df[['Name', 'Qualification']])
输出:
更多的例子请参考《如何在pandas数据框架中选择多列》。
列的增加：
为了在Pandas DataFrame中添加一个列，我们可以声明一个新的列表作为一个列并添加到现有的Dataframe中。
# Import pandas package
import pandas as pd
# Define a dictionary containing Students data
data = {'Name': ['Jai', 'Princi', 'Gaurav', 'Anuj'],
'Height': [5.1, 6.2, 5.1, 5.2],
'Qualification': ['Msc', 'MA', 'Msc', 'Msc']}
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)
# Declare a list that is to be converted into a column
address = ['Delhi', 'Bangalore', 'Chennai', 'Patna']
# Using 'Address' as the column name
# and equating it to the list
df['Address'] = address
# Observe the result
print(df)
输出:
更多的例子请参考在Pandas中为现有的DataFrame添加新的列。
列的删除：
为了在Pandas DataFrame中删除一个列，我们可以使用drop()方法。通过删除带有列名的列来删除列。
# importing pandas module
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
# dropping passed columns
data.drop(["Team", "Weight"], axis = 1, inplace = True)
# display
print(data)
输出:
如输出图片所示，新的输出并没有通过的列。这些值被丢弃了，因为axis被设置为1，并且由于inplace是True，所以在原始数据框中做了修改。
丢弃列之前的数据框架
删除列后的数据框架
更多例子请参考使用Pandas.drop()从DataFrame中删除列。
处理行的问题
为了处理行，我们可以对行进行基本操作，如选择、删除、添加和重命名。
行选择 :
Pandas提供了一个独特的方法来检索数据框架中的行。DataFrame.loc[]方法被用来从Pandas DataFrame中检索行。行也可以通过传递整数位置给iloc[]函数来选择。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
print(first, "\n\n\n", second)
输出:
如输出图像所示，由于两次都只有一个参数，所以返回了两个系列。
更多的例子请参考Pandas使用.loc[]提取行。
行数增加：
为了在Pandas DataFrame中增加一个行，我们可以将旧的数据框架与新的数据框架连接起来。
# importing pandas module
import pandas as pd
# making data frame
df = pd.read_csv("nba.csv", index_col ="Name")
df.head(10)
new_row = pd.DataFrame({'Name':'Geeks', 'Team':'Boston', 'Number':3,
'Position':'PG', 'Age':33, 'Height':'6-2',
'Weight':189, 'College':'MIT', 'Salary':99999},
index =[0])
# simply concatenate both dataframes
df = pd.concat([new_row, df]).reset_index(drop = True)
df.head(5)
输出:
添加行前的数据框
添加行后的数据框
更多的例子请参考《在pandas DataFrame的顶部添加一行》。
删除的行：
为了在Pandas DataFrame中删除一条记录，我们可以使用drop()方法。通过删除索引标签的行来删除行。
# importing pandas module
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
# dropping passed values
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
"R.J. Hunter"], inplace = True)
# display
data
输出:
如输出图像所示，新的输出没有通过的值。这些值被丢掉了，由于inplace是True，所以在原始数据框中进行了修改。
丢弃值之前的数据框架
丢掉数值后的数据框
