day21 学习笔记

---

前言

通过今天的学习，我掌握了对Pandas对象数据元素进行增删操作以及重置索引的操作

---

一、删除数据

• DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)
• inplace参数默认情况下，drop() 不会修改原 DataFrame，而是返回一个新的DataFrame

data = {'one': pd.Series(data=[1, 2, 3], index=['a', 'b', 'c']),
        'two': pd.Series(data=[1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(data)
print(df)

# 删除列
df1 = df.drop(index="a")
df2 = df.drop(labels="a",axis=0) #labels和axis参数需要搭配使用

# 删除行
df1 = df.drop(columns="one")
df2 = df.drop(labels="one",axis=1)

# 直接修改
df.drop(index="a",inplace=True) #这里修改了df

tips：labels参数需要和axis参数搭配使用，而单独使用index，columns可以直接删除对应的行和列

二、索引操作

1.loc方法

• DataFrame.loc[row_indexer, column_indexer]
• 使用行，列索引而非下标作为参数

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

print(df.loc['a'])  # 选择行标签为 'a' 的行
print(df.loc['a':'c'])  # 选择行标签从 'a' 到 'c' 的行
print(df.loc['a', 'B'])  # 选择行标签为 'a'，列标签为 'B' 的元素
print(df.loc[['a','c'], ['A','C']])  # 选择多行数据
print(df.loc['a':'c','A':'C']) #使用切片选择多行
print(df.loc[...,"A":"B"])

tips：注意选择多行数据和使用切片选择多行使用上有差别

2.iloc方法

• DataFrame.iloc[row_indexer, column_indexer]
• 与loc方法的区别为：使用下标而非行，列索引

print(df.iloc[0])
print(df.iloc[0:2])
print(df.iloc[1,1])
print(df.iloc[1:3,0:2])
print(df.iloc[[1,3],[0,2]])

三、添加数据

1.loc方法添加数据

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

# loc方法添加行
df.loc['e'] = [17, 18, 19]

tips：iloc方法添加行会报错

2.concat方法拼接数据

• pd.concat(objs, axis=0, join=‘outer’, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
• axis：指定连接的轴
• join：指定连接方式，‘outer’ 表示并集（默认），‘inner’ 表示交集
• ignore_index：如果为 True，则忽略原始索引并生成新的索引

df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

df2 = pd.DataFrame({
    'A': [7, 8],
    'B': [10, 11],
    'C': [12,13]
})

result = pd.concat([df1, df2], axis=0,ignore_index=True,join="inner")

• concat拼接Series和Dataframe

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

series = pd.Series([7, 8, 9], name='C')
re = pd.concat([df,series],axis=0)

四、重置索引

• DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=np.nan, limit=None, tolerance=None)
• 可以重置索引，也可以添加新的行列，默认填充值为None
• method：用于填充缺失值的方法
• fill_value：用于填充缺失值的值

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

new_index = ['a', 'c', 'b', 'd']
df_reindexed = df.reindex(index=new_index,fill_value=666)

new_columns = ['A', 'C', 'B', 'D']
df_reindexed = df.reindex(columns=new_columns,fill_value=666)

---

THE END