如何在dataframe的列名前统一加上u

用pandas中的DataFrame时选取行或列：

import numpy as npimport pandas as pdfrom pandas import Sereis, DataFrameser = Series(nparange(3))data = DataFrame(nparange(16)reshape(4,4),index=list('abcd'),columns=list('wxyz'))data['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型dataw #选择表格中的'w'列，使用点属性,返回的是Series类型data[['w']] #选择表格中的'w'列，返回的是DataFrame类型data[['w','z']] #选择表格中的'w'、'z'列data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后data[1:2] #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，

#如果采用data[1]则报错dataix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同data['a':'b'] #利用index值进行切片，返回的是前闭后闭的DataFrame,

#即末端是包含的

datairow(0) #取data的第一行dataicol(0) #取data的第一列datahead() #返回data的前几行数据，默认为前五行，需要前十行则datahead(10)datatail() #返回data的后几行数据，默认为后五行，需要后十行则datatail(10)seriget_value(0) #选取ser序列中的第一个seriget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。datailoc[-1] #选取DataFrame最后一行，返回的是Seriesdatailoc[-1:] #选取DataFrame最后一行，返回的是DataFramedataloc['a',['w','x']] #返回‘a’行'w'、'x'列，这种用于选取行索引列索引已知dataiat[1,1] #选取第二行第二列，用于已知行、列位置的选取。123456789101112131415161718192021222324252627282930313233343536373839404142

下面是简单的例子使用验证：

import pandas as pdfrom pandas import Series, DataFrame

import numpy as np

data = DataFrame(nparange(15)reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])

data

Out[7]:

a b c d eone 0 1 2 3 4two 5 6 7 8 9three 10 11 12 13 14#对列的 *** 作方法有如下几种dataicol(0) #选取第一列E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernelpy:1: FutureWarning: icol(i) is deprecated Please use iloc[:,i] # -- coding: utf-8 --Out[35]:

one 0two 5three 10Name: a, dtype: int32

data['a']

Out[8]:

one 0two 5three 10Name: a, dtype: int32

dataaOut[9]:

one 0two 5three 10Name: a, dtype: int32

data[['a']]

Out[10]:

aone 0two 5three 10dataix[:,[0,1,2]] #不知道列名只知道列的位置时Out[13]:

a b cone 0 1 2two 5 6 7three 10 11 12dataix[1,[0]] #选择第2行第1列的值Out[14]:

a 5Name: two, dtype: int32

dataix[[1,2],[0]] #选择第2,3行第1列的值Out[15]:

atwo 5three 10dataix[1:3,[0,2]] #选择第2-4行第1、3列的值Out[17]:

a ctwo 5 7three 10 12dataix[1:2,2:4] #选择第2-3行，3-5（不包括5）列的值Out[29]:

c dtwo 7 8dataix[dataa>5,3]

Out[30]:

three 13Name: d, dtype: int32

dataix[datab>6,3:4] #选择'b'列中大于6所在的行中的第4列，有点拗口Out[31]:

dthree 13dataix[dataa>5,2:4] #选择'a'列中大于5所在的行中的第3-5（不包括5）列Out[32]:

c dthree 12 13dataix[dataa>5,[2,2,2]] #选择'a'列中大于5所在的行中的第2列并重复3次Out[33]:

c c cthree 12 12 12#还可以行数或列数跟行名列名混着用dataix[1:3,['a','e']]

Out[24]:

a etwo 5 9three 10 14dataix['one':'two',[2,1]]

Out[25]:

c bone 2 1two 7 6dataix[['one','three'],[2,2]]

Out[26]:

c cone 2 2three 12 12dataix['one':'three',['a','c']]

Out[27]:

a cone 0 2two 5 7three 10 12dataix[['one','one'],['a','e','d','d','d']]

Out[28]:

a e d d done 0 4 3 3 3one 0 4 3 3 3#对行的 *** 作有如下几种：data[1:2] #（不知道列索引时）选择第2行，不能用data[1]，可以用dataix[1]Out[18]:

a b c d etwo 5 6 7 8 9datairow(1) #选取第二行Out[36]:

a 5b 6c 7d 8e 9Name: two, dtype: int32

dataix[1] #选择第2行Out[20]:

a 5b 6c 7d 8e 9Name: two, dtype: int32

data['one':'two'] #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。Out[22]:

a b c d eone 0 1 2 3 4two 5 6 7 8 9dataix[1:3] #选择第2到4行，不包括第4行，即前闭后开区间。Out[23]:

a b c d etwo 5 6 7 8 9three 10 11 12 13 14dataix[-1:] #取DataFrame中最后一行，返回的是DataFrame类型,注意这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`datairow(-1)`--返回Series类型Out[11]:

a b c d ethree 10 11 12 13 14data[-1:] #跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型Out[12]:

a b c d ethree 10 11 12 13 14dataix[-1] #取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用Out[13]:

a 10b 11c 12d 13e 14Name: three, dtype: int32

datatail(1) #返回DataFrame中的最后一行datahead(1) #返回DataFrame中的第一行123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186

最近处理数据时发现当pdread_csv()数据时有时候会有读取到未命名的列，且该列也用不到，一般是索引列被换掉后导致的，有强迫症的看着难受，这时候dataframedrop([columns,])是没法处理的，怎么办呢，

最笨的方法是直接给列索引重命名：

data6

Unnamed: 0 high symbol timedate 2016-11-01 0 33174 IF1611 18:10:4482016-11-01 1 33174 IF1611 06:01:0452016-11-01 2 33174 IF1611 07:46:2552016-11-01 3 33184 IF1611 09:30:0402016-11-01 4 33218 IF1611 09:31:040data6columns = list('abcd')

data6 a b c ddate 2016-11-01 0 33174 IF1611 18:10:4482016-11-01 1 33174 IF1611 06:01:0452016-11-01 2 33174 IF1611 07:46:2552016-11-01 3 33184 IF1611 09:30:0402016-11-01 4 33218 IF1611 09:31:04012345678910111213141516171819202122

重新命名后就可以用dataframedrop([columns])来删除了，当然不用我这样全部给列名替换掉了，可以只是改变未命名的那个列，然后删除。不过这个用起来总是觉得有点low，有没有更好的方法呢，有，可以不去删除，直接：

data7 = data6ix[:,1:]1

这样既不改变原有数据，也达到了删除神烦列，当然我这里时第0列删除，可以根据实际选择所在的列删除之，至于这个原理，可以看下前面的对列的 *** 作。

iloc 是一种 Pandas 中针对 DataFrame 进行行列索引的方法，可以使用整数位置进行定位。格式为 Ailoc[row, col]，其中 row 表示行号，col 表示列号。

Ailoc[0,0][8:10] 的意思是，在 DataFrame A 中，定位第 1 行、第 1 列的单元格，然后取该单元格内容的第 9 ~ 10 个字符（Python 中字符串计数从 0 开始）。

具体来说，假设 A 是一个 DataFrame，其中第 1 行第 1 列的单元格内容为字符串 "Hello World"，那么 Ailoc[0, 0][8:10] 的结果将会是 "rl"。

这种写法常见于需要对 DataFrame 中某一列或某几列的每一个元素进行字符串切片或提取的情况，例如在处理文本数据时需要提取关键字或特征值等。需要注意，若 iloc 定位的单元格不是字符串类型，则需要使用其他类型的索引方式进行提取 *** 作。

建议参考一下dataframe文档，里面有相应的方法，不需要使用for循环遍历，for循环遍历会拖慢程序。对于dataframe中数据检索可以使用下面的方法。

全部dfvalues

name列的数据df['name']values

loc检索A列dfloc['A']

iloc进行行检索dfiloc[0]

直接使用名字进行列检索,但不适合行检索df['name']

根据你的描述生成的一堆数据

定义一些变量

TOPLST = ['A', 'B', 'C']   # top10

PATH = 'testxls'            # 我生成的Excel测试文件位置

第二步：根据描述，你需要对比两个序列之间是否有交集？

这里简单定义一个函数（当然也可以不这样做）：

def checkLst(lst1, lst2):

# 如果两个列表中有相同值，则返回True

for item in lst1:

if item in lst2:

return True

return False

第三步：实现我们的需求：这里主要还是使用索引，掌握dataframe的函数基础上，如何使用这些接口函数很重要。这里简单几行实现数据清洗功能。

def clearData(path, toplst):

df = pandasread_excel(path)

# 找到需要判断的mesh列

mesh = df['mesh']

# 清除队列

clearilst = []

# 遍历每一行数据meshindex是RangeIndex实例

for index in meshindex:

# 判断top10和mesh列中是否有交集，如果没有交集则将索引加入删除队列

if not checkLst(toplst, meshiloc[index]split(';')):

# 将没有交集的行索引添加至清洗列表

clearilstappend(index)

# 清洗结果赋值

result = dfdrop(index=clearilst, axis=0)

return result

完整的代码截图如下：

程序源代码

我们来看下运行效果：

运行效果展示

完美运行，不用 *** 心索引+1的问题，也不用再创建一个DataFrame实例！

希望能够采纳！

以上就是关于如何在dataframe的列名前统一加上u全部的内容，包括:如何在dataframe的列名前统一加上u、关于pandas处理数据，怎么提取某一列的部分数字的值、python怎么对dataframe进行 *** 作等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！