202 lines
5.3 KiB
Markdown
202 lines
5.3 KiB
Markdown
# 在 Python 中使用数据帧行和列
|
||
|
||
> 原文：<https://www.askpython.com/python-modules/pandas/dataframe-rows-and-columns>
|
||
|
||
在本文中，让我们看看如何使用 Python 创建类似表格的结构，以及如何处理它们的行和列。当我们创建需要处理大量数据的数据科学应用程序时，这将非常有用。让我们看看如何使用 Python 执行基本功能，比如创建、更新和删除行/列。
|
||
|
||
## 什么是数据框？
|
||
|
||
Python 作为一种广泛用于数据分析和处理的语言，有必要以结构化的形式存储数据，比如以行和列的形式存储在我们的传统表格中。我们使用 python 的 [Pandas 库](https://www.askpython.com/python-modules/pandas/python-pandas-module-tutorial)中的 DataFrame 对象来实现这个。在内部，数据以二维数组的形式存储。让我们在本文中了解更多关于 DataFrame 行和列的知识。
|
||
|
||
## 创建简单的数据框架
|
||
|
||
让我们通过一个例子来学习[创建一个简单的数据框架](https://www.askpython.com/python-modules/pandas/create-an-empty-dataframe)。
|
||
|
||
```py
|
||
import pandas as pd
|
||
|
||
data = {
|
||
"TotalScore": [420, 380, 390],
|
||
"MathScore": [50, 40, 45]
|
||
}
|
||
|
||
#load data into a DataFrame object:
|
||
df = pd.DataFrame(data)
|
||
|
||
print(df)
|
||
|
||
```
|
||
|
||
## 结果
|
||
|
||
```py
|
||
TotalScore MathScore
|
||
|
||
0 420 50
|
||
1 380 40
|
||
2 390 45
|
||
```
|
||
|
||
## 选择性地打印一个数据帧列
|
||
|
||
让我们看看如何在 python 中选择所需的列。假设我们有一个数据帧，如上例所示。我们可以通过它们的列来选择所需的列。
|
||
|
||
```py
|
||
print(df[['MathScore']])
|
||
|
||
```
|
||
|
||
上面的代码将只打印“MathScore”列的值。
|
||
|
||
## 在 Python 中向数据帧添加列
|
||
|
||
现在，有时，我们可能希望添加更多的列作为数据收集的一部分。我们可以通过声明一个新的列表并将其转换为 data frame 中的一列，向数据框中添加更多的列。
|
||
|
||
```py
|
||
# creating a new list called name.
|
||
name = ['Rhema', 'Mehreen', 'Nitin']
|
||
|
||
# Using 'Name' as the column name
|
||
# and equating it to the list
|
||
df['Name'] = name
|
||
|
||
# Observe the result
|
||
print(df)
|
||
|
||
```
|
||
|
||
## 输出
|
||
|
||
```py
|
||
TotalScore MathScore Name
|
||
|
||
0 420 50 Rhema
|
||
1 380 40 Mehreen
|
||
2 390 45 Nitin
|
||
```
|
||
|
||
## 删除列
|
||
|
||
我们可以在 pandas 数据帧中使用 drop()方法来删除特定的列。
|
||
|
||
```py
|
||
# dropping passed columns
|
||
df.drop(["Name"], axis = 1, inplace = True)
|
||
|
||
```
|
||
|
||
现在，列“名称”将从我们的数据框架中删除。
|
||
|
||
## 使用数据帧行
|
||
|
||
现在，让我们试着理解在行上执行这些操作的方法。
|
||
|
||
## 选择一行
|
||
|
||
要从数据帧中选择行，我们可以使用 loc[]方法或 iloc[]方法。在 loc[]方法中，我们可以使用行的索引值来检索行。我们还可以使用 iloc[]函数来检索使用整数 location to iloc[]函数的行。
|
||
|
||
```py
|
||
# importing pandas package
|
||
import pandas as pd
|
||
|
||
# making data frame from csv file
|
||
data = pd.read_csv("employees.csv", index_col ="Name")
|
||
|
||
# retrieving row by loc method
|
||
first = data.loc["Shubham"]
|
||
second = data.loc["Mariann"]
|
||
|
||
print(first, "\n\n\n", second)
|
||
|
||
```
|
||
|
||
在上面的代码中，我们将 CSV 文件作为 dataframe 加载，并将列“Name”指定为其索引值。稍后，我们使用行的索引来检索它们。
|
||
|
||
## 在 Python 中创建数据帧行
|
||
|
||
要在数据帧中插入新行，我们可以在数据帧中使用 append()函数、concat()函数或 loc[]函数。
|
||
|
||
```py
|
||
#adding a new row using the next index value.
|
||
df.loc[len(df.index)] = ['450', '80', 'Disha']
|
||
|
||
display(df)
|
||
|
||
#using append function
|
||
|
||
new_data = {'Name': 'Ripun', 'MathScore': 89, 'TotalScore': 465}
|
||
df = df.append(new_data, ignore_index = True)
|
||
|
||
#using concat function
|
||
|
||
concat_data = {'Name':['Sara', 'Daniel'],
|
||
'MathScore':[89, 90],
|
||
'TotalScore':[410, 445]
|
||
}
|
||
|
||
df2 = pd.DataFrame(concat_data)
|
||
|
||
df3 = pd.concat([df, df2], ignore_index = True)
|
||
df3.reset_index()
|
||
|
||
print(df3)
|
||
|
||
```
|
||
|
||
## 输出
|
||
|
||
```py
|
||
Using loc[] method
|
||
|
||
TotalScore MathScore Name
|
||
|
||
0 420 50 Rhema
|
||
1 380 40 Mehreen
|
||
2 390 45 Nitin
|
||
3 450 80 Disha
|
||
|
||
Using append() function
|
||
|
||
TotalScore MathScore Name
|
||
|
||
0 420 50 Rhema
|
||
1 380 40 Mehreen
|
||
2 390 45 Nitin
|
||
3 450 80 Disha
|
||
4 465 89 Ripun
|
||
|
||
Using Concat() function
|
||
TotalScore MathScore Name
|
||
|
||
0 420 50 Rhema
|
||
1 380 40 Mehreen
|
||
2 390 45 Nitin
|
||
3 450 80 Disha
|
||
4 465 89 Ripun
|
||
5 410 89 Sara
|
||
6 445 90 Daniel
|
||
```
|
||
|
||
## 删除一行
|
||
|
||
我们可以使用 drop()方法删除行。我们必须将行的索引值作为参数传递给方法。
|
||
|
||
```py
|
||
# importing pandas module
|
||
import pandas as pd
|
||
|
||
# making data frame from csv file
|
||
data = pd.read_csv("employees.csv", index_col ="Name" )
|
||
|
||
# dropping passed values
|
||
data.drop(["Shubham", "Mariann"], inplace = True)
|
||
|
||
```
|
||
|
||
## 结论
|
||
|
||
因此，在本文中，我们讨论了在 python 中处理行和列的各种方法。一般来说，数据框是 Python 中的二维结构，我们可以用它来存储数据和执行各种其他功能。
|
||
|
||
## 参考
|
||
|
||
在此找到 data frames-https://pandas.pydata.org/docs/reference/api/pandas.的官方文档 DataFrame.html |