dataframe python 怎么新增行 python dataframe 添加数据

DataFrame数据的增删改

• DataFrame增加数据

• 增加一行
• 增加列

• 根据原有数据增加列

• DataFrame修改数据

• 修改单个数据
• 修改一列数据

• DataFrame删除数据

• 直接删除指定的行 或 列
• 根据条件删除行 或 列

DataFrame查询操作参见：

DataFrame增加数据

构建数据：

import pandas as pd
import numpy as np

# 创建DataFrame
df = pd.DataFrame(
    data=[
        ['zs', 18, 1],
        ['ls', 19, 1],
        ['ww', 17, 2]
    ],
    index=['stu0', 'stu1', 'stu2'],
    columns=['name', 'age', 'group']
)
print('df:\n', df)

增加一行

# 行的方向上增加----> 增加一行----> 给数据集添加一个新的数据对象
df.loc['stu3', :] = ['zl', 20, 2]
# 将 age 和 group 的类型修改为 int64
df.loc[:, ['age', 'group']] = df.loc[:, ['age', 'group']].astype(np.int64)

print('df:\n', df)

增加列

列的方向上增加----> 增加一列----> 给每个数据对象增加一个新的属性

df.loc[:, 'next_year_age'] = 20
print('df:\n', df)

如果直接这么增加，会导致增加的这一列值完全一样。那么在分析数据对象的不同点时，那么该列将无法区分数据对象的不同点！ 如果这么增加列只能是用来占位。

根据原有数据增加列

一般情况下的增加是通过对现有属性的计算、操作、提取等得到新的属性。

df.loc[:, 'next_year_age'] = df['age'] + 1
print('df:\n', df)

DataFrame修改数据

原始数据如下：

修改单个数据

取出数据后直接赋值（一般用不到）

df["age"]["stu0"] = 20
print('df:\n', df)

修改一列数据

直接修改（不建议），同样会导致增加的这一列值完全一样。

df['age'] = 20
print('df:\n', df)

一般情况下的修改是满足一定的条件才进行修改！

# 将年龄为奇数的同学的 小组 设置为 3！
msk = df['age'] % 2 != 0
print('msk:\n', msk)

df.loc[msk, 'group'] = 3
print('df:\n', df)

# 将 zs 同学的 年龄设置为 21
msk = df['name'] == 'zs'

df.loc[msk, 'age'] = 21
print('df:\n', df)

DataFrame删除数据

原始数据如下：

直接删除指定的行 或 列

ret = df.drop(
    labels=['group', 'age'],  # 要删除的行或者列的名称列表
    axis=1,  # 如果要删除的是列 --那么axis=1,如果要删除的是行，那么axis = 0
    inplace=False,  # 如果为True,则直接删除，对原df进行操作； 如果为False，那么返回一个结果，不会对原df操作！
)
print('df:\n', df)
print('ret:\n', ret)

df.drop(
    labels=['stu0', 'stu1'],
    axis=0,
    inplace=True
)
print('df:\n', df)

根据条件删除行 或 列

一般情况下的删除很少去删除某列属性，一般情况下都是删除指定条件下的数据对象！

# 删除 group为 1即 1组的学员
msk = df['group'] == 1
print('msk:\n', msk)
print("*"*20)

# 获取满足条件的索引
drop_labels = df.loc[msk, :].index
print('drop_labels:\n', drop_labels)
print("*"*20)

# 删除
df.drop(
    labels=drop_labels,
    axis=0,
    inplace=True
)
print('df:\n', df)

又或者反过来：保留不满足条件的数据对象

# 要删除 1组的学员---->理解为： 要保留 非1组的学员
msk = df['group'] != 1

# 取出非1组的学员
df = df.loc[msk, :]
print('df:\n', df)