欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

访问 Pandas DataFrame 中的元素

程序员文章站 2022-06-05 20:09:22
...

我们可以使用行和列标签访问 DataFrame 的行、列或单个元素

import pandas as pd

# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35}, 
          {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]

# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])
# 输出这个DataFrame
print(store_items)
print()

# 通过标签访问行,列和元素
print('在每个store中有多少自行车:\n', store_items[['bikes']])
print()
print('在每个store中有多少自行车和短裤:\n', store_items[['bikes', 'pants']])
print()
print('在store 1中有什么条目:\n', store_items.loc[['store 1']])
print()
print('在Store 2中有多少自行车:', store_items['bikes']['store 2'])

输出:

         bikes  glasses  pants  watches
store 1     20      NaN     30       35
store 2     15     50.0      5       10

在每个store中有多少自行车:
          bikes
store 1     20
store 2     15

在每个store中有多少自行车和短裤:
          bikes  pants
store 1     20     30
store 2     15      5

在store 1中有什么条目:
          bikes  glasses  pants  watches
store 1     20      NaN     30       35

在Store 2中有多少自行车: 15

注意:在访问 DataFrame 中的单个元素时,就像上个示例一样,必须始终提供标签,并且列标签在前,格式为 dataframe[column][row],如果先提供行标签,将出错。

通过添加行或列修改 DataFrame

  • 我们向 store_items DataFrame 添加一个新列,表示每个商店的衬衫库存。我们来编写代码:
import pandas as pd

# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35}, 
          {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]

# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])

# 向store1中添加15个shirts, 向store2中添加2个shirts
store_items['shirts'] = [15,2]

# 显示修改过得 DataFrame
store_items

显示输出:

访问 Pandas DataFrame 中的元素

  • 可以看出:当我们添加新的列时,新列添加到了 DataFrame 的末尾

  • 下面,使用算术运算符向 DataFrame 中的其他列之间添加新列

import pandas as pd

# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35}, 
          {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]

# 通过相加shirts和pants列,来创建一个称为suits的新列
store_items['suits'] = store_items['pants'] + store_items['shirts']

# 显示修改后的 DataFrame
store_items

输出:

访问 Pandas DataFrame 中的元素

向 DataFrame 中添加行

要向 DataFrame 中添加行,我们首先需要创建新的 Dataframe,然后将其附加到原始 DataFrame 上。

import pandas as pd

items2 = [{'bikes': 20, 'pants': 30, 'watches': 35}, 
          {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]

# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])


# 创建一个包含一个字典的列表
new_items = [{'bikes': 20, 'pants': 30, 'watches': 35, 'glasses': 4}]

# 创建一个新的DataFrame并设标签为:store 3
new_store = pd.DataFrame(new_items, index = ['store 3'])

# 使用 .append() 方法将此行添加到 store_items DataFrame 中
store_items = store_items.append(new_store)

# 显示被修改的DataFrame
store_items

输出显示:

访问 Pandas DataFrame 中的元素

注意:将新行附加到 DataFrame 后,列按照字母顺序排序了。

使用特定列的特定行中的数据向 DataFrame 添加新的列

  • 假设你想在store 2 和 3 中上一批新手表,并且新手表的数量与这些商店原有手表的库存一样

  • 参照上面代码补充:

store_items['new watches'] = store_items['watches'][1:]

# 显示修改过得 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

  • dataframe.insert(loc,label,data) 方法使我们能够将新列(具有给定列标签和给定数据)插入 dataframe 的 loc 位置

重用上述代码:

# 将名称为 shoes 的新列插入 suits 列前面。因为 suits 的数字索引值为 4,我们将此值作为 loc
store_items.insert(4, 'shoes', [8,5,0])

# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

要删除 DataFrame 中的行和列

  • 使用 .pop().drop() 方法。.pop() 方法仅允许我们删除列,而 .drop() 方法可以同时用于删除行和列,只需使用关键字 axis 即可

重用上述代码:

# 删除new watches列
store_items.pop('new watches')

# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

# 删除 watches, shoes, pants 几列
store_items = store_items.drop(['watches', 'shoes', 'pants'], axis = 1)

# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

  • 删除 store 2 and store 1 行
# 删除 store 2 and store 1 行
store_items = store_items.drop(['store 2', 'store 1'], axis = 0)

# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

  • 我们可能需要更改行和列标签。我们使用 .rename() 方法将 bikes 列标签改为 hats
# 使用 .rename() 方法将 bikes 列标签改为 hats
store_items = store_items.rename(columns = {'bikes': 'hats'})

# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素

  • 也可以使用 .rename() 方法更改行标签
store_items = store_items.rename(index = {'store 3': 'store 1'})
# 显示修改后的 DataFrame
store_items

显示:

访问 Pandas DataFrame 中的元素