3-5-对象操作

 

对象的增删改查¶

In [1]:

import pandas as pd 

 

series结构的增删改查¶

In [2]:

data =[10,11,12]
index=['a','b','c']
s=pd.Series(data=data,index=index)
s

Out[2]:

a    10
b    11
c    12
dtype: int64

 

• 查操作

In [3]:

s[0]

Out[3]:

10

In [4]:

s[0:2]

Out[4]:

a    10
b    11
dtype: int64

In [5]:

mask=[True,False,True]
s[mask]

Out[5]:

a    10
c    12
dtype: int64

In [6]:

s.loc['b']

Out[6]:

11

In [7]:

s.iloc[1]

Out[7]:

11

 

• 改操作

In [8]:

s1=s.copy()
s1['a']=100
s1

Out[8]:

a    100
b     11
c     12
dtype: int64

In [9]:

s1.replace(to_replace=100,value=101,inplace=True)#inplace=True时s1原来的值会变，反之为False则不会变

In [10]:

s1

Out[10]:

a    101
b     11
c     12
dtype: int64

In [11]:

s1.index

Out[11]:

Index(['a', 'b', 'c'], dtype='object')

In [12]:

s1.index=['a','b','d']#修改index的值
s1

Out[12]:

a    101
b     11
d     12
dtype: int64

In [13]:

s1.rename(index={'a':'A'},inplace=True)#inplace=True可以改变原来s1的index值 
s1

Out[13]:

A    101
b     11
d     12
dtype: int64

 

• 增操作

In [14]:

data=[11,110]
index=['h','k']
s2=pd.Series(data=data,index=index)
s2

Out[14]:

h     11
k    110
dtype: int64

In [16]:

s3=s1.append(s2)#增加一整个Series

In [17]:

s3['j']=500#单独增加一个
s3

Out[17]:

A    101
b     11
d     12
h     11
k    110
j    500
dtype: int64

In [18]:

s1.append(s2,ignore_index=False)#ignore_index=False:不对序列进行重新排序，保留原来的排序

Out[18]:

A    101
b     11
d     12
h     11
k    110
dtype: int64

In [19]:

s1.append(s2,ignore_index=True)#ignore_index=True:对原来的序列进行重新排序

Out[19]:

0    101
1     11
2     12
3     11
4    110
dtype: int64

 

• 删操作

In [25]:

s3

Out[25]:

A    101
b     11
d     12
h     11
k    110
j    500
dtype: int64

In [26]:

del s3['A']#指定删除1行
s3

Out[26]:

b     11
d     12
h     11
k    110
j    500
dtype: int64

In [27]:

s3.drop(['b','d'],inplace=True)#多行删除
s3

Out[27]:

h     11
k    110
j    500
dtype: int64

 

DataFrame结构的增删改查¶

In [28]:

data=[[1,2,3],[4,5,6]]
index=['a','b']
columns=['A','B','C']

df=pd.DataFrame(data=data,index=index,columns=columns)
df

Out[28]:

 

	A	B	C
a	1	2	3
b	4	5	6

 

• 查操作

In [29]:

df['A']

Out[29]:

a    1
b    4
Name: A, dtype: int64

In [30]:

df.loc['a']

Out[30]:

A    1
B    2
C    3
Name: a, dtype: int64

In [31]:

df.iloc[1]

Out[31]:

A    4
B    5
C    6
Name: b, dtype: int64

 

• 改操作

In [32]:

df.loc['a']['A']

Out[32]:

1

In [33]:

df.loc['a']['A']=150#直接在原数据上修改值
df

Out[33]:

 

	A	B	C
a	150	2	3
b	4	5	6

In [34]:

df.index=['f','g']#改索引
df

Out[34]:

 

	A	B	C
f	150	2	3
g	4	5	6

In [35]:

df.rename(index={'f':'F'},inplace=True)#改索引
df

Out[35]:

 

	A	B	C
F	150	2	3
g	4	5	6

 

• 增操作

In [37]:

df.loc['c']=[1,2,3]#增加1行
df

Out[37]:

 

	A	B	C
F	150	2	3
g	4	5	6
c	1	2	3

In [42]:

data=[[1,2,3],[4,5,6]]
index=['j','k']
columns=['A','B','C']

df2=pd.DataFrame(data=data,index=index,columns=columns)
df2

Out[42]:

 

	A	B	C
j	1	2	3
k	4	5	6

In [47]:

df3=pd.concat([df,df2],axis=0)#把两个DataFrame连接
df3

Out[47]:

 

	A	B	C
F	150	2	3
g	4	5	6
c	1	2	3
j	1	2	3
k	4	5	6

In [48]:

df2['Tang']=[10,11]#增加一列
df2

Out[48]:

 

	A	B	C	Tang
j	1	2	3	10
k	4	5	6	11

In [50]:

df4=pd.DataFrame([[10,11],[12,13]],index=['j','k'],columns=['D','E'])
df4

Out[50]:

 

	D	E
j	10	11
k	12	13

In [54]:

df5=pd.concat([df2,df4],axis=1)
df5

Out[54]:

 

	A	B	C	Tang	D	E
j	1	2	3	10	10	11
k	4	5	6	11	12	13

 

• 删操作

In [56]:

df5.drop(['j'],axis=0,inplace=True)
df5

Out[56]:

 

	A	B	C	Tang	D	E
k	4	5	6	11	12	13

In [60]:

del df5['Tang']#删1列
df5

Out[60]:

 

	A	B	C	D	E
k	4	5	6	12	13

In [63]:

df5.drop(['A','B','C'],axis=1,inplace=True)
df5

Out[63]:

 

	D	E
k	12	13