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
- C++ 批量打开写入文件
用到了C++17的filesystem 库 说明:这个函数主要是用来处理日志中不同Thread的日志,主要目的是将不同Thread的日志写到不同的文件中 int GetThreadTime(const ...
- mysql数据库：分表、多表关联、外键约束、级联操作
一.分表.外键.级联.多对一 二.多对多 三.一对一 一.分表.外键.级联.多对一 将部门数据与员工数据放到同一张表中会造成 数据重复 结构混乱 扩展维护性差 需要分表 create table de ...
- shell脚本基础和grep文本处理工具企业应用4
文本处理工具: egrep: 支持扩展的正则表达式实现类似于grep文本过滤功能:grep -E egrep [OPTIONS] PATTERN [FILE...] ...
- F - One Occurrence CodeForces - 1000F （线段树+离线处理）
You are given an array aa consisting of nn integers, and qq queries to it. ii-th query is denoted by ...
- 网络协议相关面试问题-https加密算法相关面试问题
密钥: 密钥是一种参数,它是在使用密码cipher算法过程中输入的参数,同一个明文在相同的密码算法和不同的密钥计算下会产生不同的密文.所以说算法既使公开了但是密钥参数不同其结果也是不同的,其中关于明文 ...
- kotlin递归&尾递归优化
递归: 对于递归最经典的应用当然就是阶乘的计算啦,所以下面用kotlin来用递归实现阶乘的计算: 编译运行: 那如果想看100的阶乘是多少呢? 应该是结果数超出了Int的表述范围,那改成Long型再试 ...
- c++分布式服务框架teamtalk
这是蘑菇街开发的内部通讯软件,记录一下.可以参考学习 https://github.com/meili/TeamTalk
- JavaScript柯里化（currying）
参考: https://www.jianshu.com/p/33392cb4b055 https://ruby-china.org/topics/38385 https://stackoverflow ...
- [CSS] .class1.class2和.class1 .class2的区别
.class1.class2(中间没有空格)匹配的是同时拥有class1和class2的元素 <div class="class1 class2">...</di ...
- angularjs 实现下拉框编辑数据回显
https://www.cnblogs.com/janice-jia/p/9764938.html 正常的js回显选择,需要添加 select ="selected",angula ...