pandas-赋值操作
1，pandas操作主要有对指定位置的赋值，如上一篇中的数据选择一样，根据loc，iloc，ix选择指定位置，直接赋值
2，插入，insert方法，插入行和列
3，添加
4，删除 drop方法
5，弹出 pop方法
In [1]:
import pandas as pd
import numpy as np
In [53]:
dates = np.arange(20190809,20190815)
df1 = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=["A","B","C","D"])
df1
Out[53]:
| A | B | C | D | |
|---|---|---|---|---|
| 20190809 | 0 | 1 | 2 | 3 |
| 20190810 | 4 | 5 | 6 | 7 |
| 20190811 | 8 | 9 | 10 | 11 |
| 20190812 | 12 | 13 | 14 | 15 |
| 20190813 | 16 | 17 | 18 | 19 |
| 20190814 | 20 | 21 | 22 | 23 |
In [20]:
df1.iloc[2,2]
Out[20]:
10
In [44]:
df1.iloc[2,2] = 100
df1
Out[44]:
| A | B | C | D | |
|---|---|---|---|---|
| 20190809 | 0 | 1 | 2 | 3 |
| 20190810 | 4 | 5 | 6 | 7 |
| 20190811 | 8 | 9 | 100 | 11 |
| 20190812 | 12 | 13 | 14 | 15 |
| 20190813 | 16 | 17 | 18 | 19 |
| 20190814 | 20 | 21 | 22 | 23 |
In [40]:
df1.loc[20190810,"B"]=200
df1
Out[40]:
| A | B | C | D | |
|---|---|---|---|---|
| 20190809 | 0 | 1 | 2 | 3 |
| 20190810 | 4 | 200 | 6 | 7 |
| 20190811 | 8 | 9 | 10 | 11 |
| 20190812 | 12 | 13 | 14 | 15 |
| 20190813 | 16 | 17 | 18 | 19 |
| 20190814 | 20 | 21 | 22 | 23 |
In [54]:
df1[df1.A>10]=0
df1
Out[54]:
| A | B | C | D | |
|---|---|---|---|---|
| 20190809 | 0 | 1 | 2 | 3 |
| 20190810 | 4 | 5 | 6 | 7 |
| 20190811 | 8 | 9 | 10 | 11 |
| 20190812 | 0 | 0 | 0 | 0 |
| 20190813 | 0 | 0 | 0 | 0 |
| 20190814 | 0 | 0 | 0 | 0 |
In [55]:
df1.A[df1.A==0]=100
df1
Out[55]:
| A | B | C | D | |
|---|---|---|---|---|
| 20190809 | 100 | 1 | 2 | 3 |
| 20190810 | 4 | 5 | 6 | 7 |
| 20190811 | 8 | 9 | 10 | 11 |
| 20190812 | 100 | 0 | 0 | 0 |
| 20190813 | 100 | 0 | 0 | 0 |
| 20190814 | 100 | 0 | 0 | 0 |
In [56]:
#插入一列
df1["E"]=10
df1
Out[56]:
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 20190809 | 100 | 1 | 2 | 3 | 10 |
| 20190810 | 4 | 5 | 6 | 7 | 10 |
| 20190811 | 8 | 9 | 10 | 11 | 10 |
| 20190812 | 100 | 0 | 0 | 0 | 10 |
| 20190813 | 100 | 0 | 0 | 0 | 10 |
| 20190814 | 100 | 0 | 0 | 0 | 10 |
In [59]:
df1["F"]=pd.Series([1,2,3,4,5,6],index=dates)
df1
Out[59]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100 | 1 | 2 | 3 | 10 | 1 |
| 20190810 | 4 | 5 | 6 | 7 | 10 | 2 |
| 20190811 | 8 | 9 | 10 | 11 | 10 | 3 |
| 20190812 | 100 | 0 | 0 | 0 | 10 | 4 |
| 20190813 | 100 | 0 | 0 | 0 | 10 | 5 |
| 20190814 | 100 | 0 | 0 | 0 | 10 | 6 |
In [62]:
#添加一行
df1.loc[20190815,["A","B","C"]]=[5,6,8]
df1
Out[62]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
In [65]:
s1=pd.Series([1,2,3,4,5,6],index=["A","B","C","D","E","F"])
s1.name="S1"
df2 = df1.append(s1)
df2
Out[65]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
| S1 | 1.0 | 2.0 | 3.0 | 4.0 | 5.0 | 6.0 |
In [67]:
#插入一列
df1.insert(1,"G",df2["E"])
df1
Out[67]:
| A | G | B | C | D | E | F | |
|---|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 10.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 10.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 10.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 10.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 10.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 10.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | NaN | 6.0 | 8.0 | NaN | NaN | NaN |
In [68]:
g=df1.pop("G")
df1.insert(6,"G",g)
df1
Out[68]:
| A | B | C | D | E | F | G | |
|---|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 | 10.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 | 10.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 | 10.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 | 10.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 | 10.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 | 10.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN | NaN |
In [69]:
#删除列
del df1["G"]
df1
Out[69]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
In [70]:
df2 = df1.drop(["A","B"],axis=1)
df1
Out[70]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
In [71]:
df2
Out[71]:
| C | D | E | F | |
|---|---|---|---|---|
| 20190809 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 8.0 | NaN | NaN | NaN |
In [73]:
#删除行
df2=df1.drop([20190810,20190812],axis=0)
df1
Out[73]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190810 | 4.0 | 5.0 | 6.0 | 7.0 | 10.0 | 2.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190812 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 4.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
In [74]:
df2
Out[74]:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 20190809 | 100.0 | 1.0 | 2.0 | 3.0 | 10.0 | 1.0 |
| 20190811 | 8.0 | 9.0 | 10.0 | 11.0 | 10.0 | 3.0 |
| 20190813 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 5.0 |
| 20190814 | 100.0 | 0.0 | 0.0 | 0.0 | 10.0 | 6.0 |
| 20190815 | 5.0 | 6.0 | 8.0 | NaN | NaN | NaN |
pandas-赋值操作的更多相关文章
- 数据分析06 /pandas高级操作相关案例：人口案例分析、2012美国大选献金项目数据分析
数据分析06 /pandas高级操作相关案例:人口案例分析.2012美国大选献金项目数据分析 目录 数据分析06 /pandas高级操作相关案例:人口案例分析.2012美国大选献金项目数据分析 1. ...
- Pandas 常见操作详解
Pandas 常见操作详解 很多人有误解,总以为Pandas跟熊猫有点关系,跟gui叔创建Python一样觉得Pandas是某某奇葩程序员喜欢熊猫就以此命名,简单介绍一下,Pandas的命名来自于面板 ...
- 深入理解Javascript--作用域和赋值操作
作用域作为一个最基础的功能存在于各种编程语言中,它使得我们的编程更加灵活有趣.其基础功能就是存储变量中的值,然后可以对值进行访问和修改. 可能我们都知道作用域的一些概念,以及其一些扩展的一些内容闭包等 ...
- jquery select取值，赋值操作
select">jquery select取值,赋值操作 一.获取Select 获取select 选中的 text : $("#ddlRegType").find( ...
- JavaScript对象属性赋值操作的逻辑
对象进行属性赋值操作时,其执行逻辑如下所示: 1. 当前对象中是否有该属性?有,进行赋值操作:没有,进行下一步判断. 2. 对象的原型链中是否有该属性?没有,在当前对象上创建该属性,并赋值:有,进行下 ...
- Javascript对象赋值操作
首先,我们还是举个例子来说明对象赋值操作的问题吧: ps: 本文默认约定log = console.log function A(){} A.prototype.x = 10; var a1 = ne ...
- 千万不要在JS中使用连等赋值操作
前言 文章标题这句话原本是在国外某JavaScript规范里看到的,当时并没有引起足够的重视,直到最近一次出现了bug发现JS里的连等赋值操作的特色(坑). 网上搜索一番发现一个非常好的连等赋值的(来 ...
- Angularjs总结（五）指令运用及常用控件的赋值操作
1.常用指令 <div ng-controller="jsyd-controller"> <div style="float:left;width:10 ...
- C风格字符串和C++ string 对象赋值操作的性能比较
<<C++ Primer>> 第四版 Exercise Section 4.3.1 部分Exercise 4.2.9 习题如下: 在自己本机执行如下程序,记录程序执行时间: # ...
- 【转】千万不要在JS中使用连等赋值操作
原文链接 千万不要在JS中使用连等赋值操作 目录 前言 赋值顺序? 连续赋值能拆开写么? 后记 前言 文章标题这句话原本是在国外某JavaScript规范里看到的,当时并没有引起足够的重视,直到最 ...
随机推荐
- xampp下载和使用
XAMPP 下载地址: XAMPP HTML存放目录,也就是根目录,可以在这个目录进行添加HTML文件和PHP文件. C:\xampp\htdocs 访问web,localhost:80或者直接访问l ...
- 洛谷 P2939 [USACO09FEB]改造路Revamping Trails
题意翻译 约翰一共有N)个牧场.由M条布满尘埃的小径连接.小径可 以双向通行.每天早上约翰从牧场1出发到牧场N去给奶牛检查身体. 通过每条小径都需要消耗一定的时间.约翰打算升级其中K条小径,使之成为高 ...
- java线程基础巩固---通过实验分析This锁和Class锁的存在
This锁: 关于什么是This锁下面用实现来说明一下它: 那下面用两个线程分别调用这两个方法,如下: 看结果: 可见两个方法是同时输出的,因为m2()方法并未上锁,所以就不存在争锁的问题,那这时给m ...
- .net core 读取appsettings 的配置
{ "Logging": { "IncludeScopes": false, "LogLevel": { "Default&quo ...
- 小程序生成海报 canvas
前言 微信小程序需要生成海报进行朋友圈分享,但是不同的手机会有问题, 然后首先是图片的问题 图片 在模拟器上没有报错,可是真机测试却什么也没画出来. canvas.drawImage 是不支持网络图片 ...
- BZOJ 3881[COCI2015]Divljak (AC自动机+dfs序+lca+BIT)
显然是用AC自动机 先构建好AC自动机,当B中插入新的串时就在trie上跑,对于当前点,首先这个点所代表的串一定出现过,然后这个点指向的fail也一定出现过.那么我们把每个点fail当作父亲,建一棵f ...
- Eclipse 的 CheckStyle 插件
Eclipse 的 CheckStyle 插件 1.简介 Checkstyle 是 SourceForge 下的一个开源项目,提供了一个帮助 JAVA 开发人员遵守某些编码规范的工具.它能进行自动化代 ...
- 【leetcode】1284. Minimum Number of Flips to Convert Binary Matrix to Zero Matrix
题目如下: Given a m x n binary matrix mat. In one step, you can choose one cell and flip it and all the ...
- 对称加密算法DES、3DES和AES 原理总结（转载）
1.对称加密算法 1.1 定义 对称加密算法是应用较早的加密算法,技术成熟.在对称加密算法中,数据发信方将明文(原始数据)和加密密钥(mi yue)一起经过特殊加密算法处理后,使其变成复杂的加密密文发 ...
- jquery animate()方法 语法
jquery animate()方法 语法 作用:animate() 方法执行 CSS 属性集的自定义动画.该方法通过CSS样式将元素从一个状态改变为另一个状态.CSS属性值是逐渐改变的,这样就可以创 ...