python中pandas.DataFrame的简单 *** 作方法（创建、索引、增添与删除）

概述前言最近在网上搜了许多关于pandas.DataFrame的 *** 作说明，都是一些基础的 *** 作，但是这些 *** 作组合起来还是比较费时间去正确 *** 作DataFrame，花了我挺长时间去调整BUG的。我在这里做一些总结，方便你我他。感兴趣的朋友

前言

最近在网上搜了许多关于pandas.DataFrame的 *** 作说明，都是一些基础的 *** 作，但是这些 *** 作组合起来还是比较费时间去正确 *** 作DataFrame，花了我挺长时间去调整BUG的。我在这里做一些总结，方便你我他。感兴趣的朋友们一起来看看吧。

一、创建DataFrame的简单 *** 作：

1、根据字典创造：

In [1]: import pandas as pdIn [3]: aa={'one':[1,2,3],'two':[2,3,4],'three':[3,4,5]}In [4]: bb=pd.DataFrame(aa)In [5]: bbOut[5]:  one three two0 1 3 21 2 4 32 3 5 4`

字典中的keys就是DataFrame里面的columns，但是没有index的值，所以需要自己设定，不设定默认是从零开始计数。

bb=pd.DataFrame(aa,index=['first','second','third'])bbOut[7]:  one three twofirst 1 3 2second 2 4 3third 3 5 4

2、从多维数组中创建

import numpy as npIn [9]: del aaIn [10]: aa=np.array([[1,[4,5,6],[7,8,9]])In [11]: aaOut[11]: array([[1,9]])In [12]: bb=pd.DataFrame(aa)In [13]: bbOut[13]:  0 1 20 1 2 31 4 5 62 7 8 9

从多维数组中创建就需要为DataFrame赋值columns和index，否则就是默认的，很丑的。

bb=pd.DataFrame(aa,index=[22,33,44],columns=['one','two','three'])In [15]: bbOut[15]:  one two three22 1 2 333 4 5 644 7 8 9

3、用其他的DataFrame创建

bb=pd.DataFrame(aa,'three'])bbOut[15]:  one two three22 1 2 333 4 5 644 7 8 9cc=bb[['one','three']].copy()CcOut[17]:  one three22 1 333 4 644 7 9

这里的拷贝是深拷贝，改变cc中的值并不能改变bb中的值。

cc['three'][22]=5bbOut[19]:  one two three22 1 2 333 4 5 644 7 8 9ccOut[20]:  one three22 1 533 4 644 7 9

二、DataFrame的索引 *** 作：

对于一个DataFrame来说，索引是最烦的，最易出错的。

1、索引一列或几列，比较简单：

bb['one']Out[21]: 22 133 444 7name: one,dtype: int32

多个列名需要将输入的列名存在一个列表里，才是个collerable的变量，否则会报错。

bb[['one','three']]Out[29]:  one three22 1 333 4 644 7 9

2、索引一条记录或几条记录：

bb[1:3]Out[27]:  one two three33 4 5 644 7 8 9bb[:1]Out[28]:  one two three22 1 2 3

这里注意冒号是必须有的，否则是索引列的了。

3、索引某几列的变量的某几条记录，这个折磨了我好久：

第一种

bb.loc[[22,33]][['one','three']]Out[30]:  one three22 1 333 4 6

这种不能改变这里面的值，你只是能读值，不能写值，可能和loc()函数有关：

bb.loc[[22,'three']]=[[2,2],[3,6]]In [32]: bbOut[32]:  one two three22 1 2 333 4 5 644 7 8 9

第二种：也是只能看

bb[['one','three']][:2]Out[33]:  one three22 1 333 4 6

想要改变其中的值就会报错。

In [34]: bb[['one','three']][:2]=[[2,[2,2]]-c:1: SettingWithcopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.Try using .loc[row_index,col_indexer] = value insteadF:\Anaconda\lib\site-packages\pandas\core\frame.py:1999: SettingWithcopyWarning: A value is trying to be set on a copy of a slice from a DataFrame return self._setitem_slice(indexer,value)

第三种：可以改变数据的值！！！

Iloc是按照数据的行列数来索引，不算index和columns

bb.iloc[2:3,2:3]Out[36]:  three44 9bb.iloc[1:3,1:3]Out[37]:  two three33 5 644 8 9bb.iloc[0,0]Out[38]: 1

下面是证明：

bb.iloc[0:4,0:2]=[[9,9],[9,9]]In [45]: bbOut[45]:  one two three22 9 9 333 9 9 644 9 9 9

三、在原有的DataFrame上新建一个columns或几个columns

1、什么都不用的，只能单独创建一列，多列并不好使，亲测无效：

bb['new']=[2,4]bbOut[51]:  one two three new22 9 9 3 233 9 9 6 344 9 9 9 4bb[['new','new2']]=[[2,[5,7]]KeyError: "['new' 'new2'] not in index"

赋予的List基本就是按照所给index值顺序赋值，可是一般我们是要对应的index进行赋值，想要更高级的赋值就看后面的了。

2、使用字典进行多列按index赋值：

aa={33:[234,44,55],44:[657,77,77],22:[33,55,457]}In [58]: bb=bb.join(pd.DataFrame(aa.values(),columns=['hi','hello','ok'],index=aa.keys()))In [59]: bbOut[59]:  one two three new hi hello ok22 9 9 3 2 33 55 45733 9 9 6 3 234 44 5544 9 9 9 4 657 77 77

这里aa是一个字典和列表的嵌套，相当于一条记录，使用keys当做index名而不是一般默认的columns名。达到了按index多列匹配的目的。由于dict（）储存是混乱的，之间用dict（）而不给他的index赋值会记录错乱，这一点注意值得注意。

四、删除多列或多记录：

删除列

bb.drop(['new','hi'],axis=1)Out[60]:  one two three hello ok22 9 9 3 55 45733 9 9 6 44 5544 9 9 9 77 77

删除记录

bb.drop([22,33],axis=0)Out[61]:  one two three new hi hello ok44 9 9 9 4 657 77 77

跟大家分享一篇关于python中pandas.DataFrame对行与列求和及添加新行与列示例，感兴趣的朋友们可以看看。

DataFrame还有很多功能还没有涉及，等以后有涉及到，看完官网的API之后，还会继续分享，everything is ok。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对编程小技巧的支持。

您可能感兴趣的文章:用Python的pandas框架 *** 作Excel文件中的数据教程在Python中利用Pandas库处理大数据的简单介绍python中pandas.DataFrame对行与列求和及添加新行与列示例Windows下Python使用Pandas模块 *** 作Excel文件的教程Python科学计算之Pandas详解python中pandas.DataFrame排除特定行方法示例Python 中pandas.read_excel详细介绍对pandas的dataframe绘图并保存的实现方法python学习教程之Numpy和Pandas的使用利用Python中的pandas库对cdn日志进行分析详解熊猫免费杀毒服务 PandaSoftwarePython数据分析之真实IP请求Pandas详解Python数据分析之如何利用pandas查询数据示例代码Python pandas常用函数详解Pandas探索之高性能函数eval和query解析pandas中Timestamp类用法详解python使用pandas实现数据分割实例代码python之pandas用法大全 总结

以上是内存溢出为你收集整理的python中pandas.DataFrame的简单 *** 作方法（创建、索引、增添与删除）全部内容，希望文章能够帮你解决python中pandas.DataFrame的简单 *** 作方法（创建、索引、增添与删除）所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。