访问 Pandas DataFrame 中的元素

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：

• 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：

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：

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：

• 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：

要删除 DataFrame 中的行和列

• 使用 .pop() 和 .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：

# 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：

• 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：

• 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：

• 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：

• 最后，也可以使用set_index将索引改为 DataFrame 中的某个列，这个不常用。https://blog.csdn.net/starter_____/article/details/79185054