Pandas -----------------------基础知识（三）

dataframe添加列
删除行与列
去重
修改列
自定义函数

加载数据

import pandas as pd# 加载数据集 ./data/b_LJdata.csv
df = pd.read_csv('./data/b_LJdata.csv').head(10)
df

dataframe添加列

在后面追加

df['城市'] = '北京'
df

df['区县'] = ['朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区','朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区']
df

df['新价格'] = df['价格'] + 1000
df

添加列恢复df为初始十列

先获取区域索引在区域后面一列插入城市

area_index = df.columns.get_loc('区域')
print(area_index)df.insert(loc=area_index+1,column='区县',value=['朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区','朝阳区', '朝阳区', '西城区', '昌平区', '朝阳区'])
print(df)

price_index = df.columns.get_loc('价格')
print(price_index)df.insert(loc=price_index+1,column="新价格",value=df['价格']+1000)
print(df)

删除行与列

删除默认删除行不修改原始数据

源数据

copy_df = df.head().copy()
copy_df

删除索引为1 的这行数据  0 是按行删 不修改原始数据
new_df = copy_df.drop(labels=[1], axis=0, inplace=False)
new_df

删除索引为1和3的 这行数据 修改原始数据
copy_df  = df.head().copy()
new_df = copy_df.drop(labels=[1,3], axis=0, inplace=True)
copy_df

删除多列 修改原始数据
copy_df = df.head().copy()
new_df = copy_df.drop(labels=['区域','地址','户型'], axis=1, inplace=True)
print(new_df)
print("==========================================")
print(copy_df)

去重

dataframe去重

默认对所有列去重 keep为first 不影响原始数据
对 '户型', '朝向' 去重, 保留第一条, 不影响原始数据

copy_df = df.head().copy()new_df = copy_df.drop_duplicates(subset=['户型', '朝向'], keep='first', inplace=False)
print(new_df)
print("===========================================")
print(copy_df)

对 '户型', '朝向' 去重, 保留最后一条, 影响原始数据

copy_df = df.head().copy()new_df = copy_df.drop_duplicates(subset=['户型', '朝向'], keep='last', inplace=True)
print(new_df)
print("===========================================")
print(copy_df)

 对 '户型', '朝向' 去重, 删除所有重复数据, 影响原始数据

copy_df = df.head().copy()new_df = copy_df.drop_duplicates(subset=['户型', '朝向'], keep=False, inplace=True)
print(new_df)
print("===========================================")
print(copy_df)

Series去重

默认保留第一条不修改原始数据

对 朝向 构成的 Series对象 去重, 保留最后一条, 不影响原始对象

copy_df = df.head().copy()
new_series = copy_df['朝向'].drop_duplicates(keep='last', inplace=False)
print(new_series)
print("===========================================")
print(copy_df['朝向'])

对朝向 构成的 Series对象 去重, 删除所有重复, 不影响原始对象

copy_df = df.head().copy()
new_series = copy_df['朝向'].drop_duplicates(keep=False, inplace=False)
print(new_series)
print("===========================================")
print(copy_df['朝向'])

对 朝向 构成的 Series对象 去重, 保留第一条, 影响原始对象

copy_df = df.head().copy()
new_series = copy_df['朝向'].drop_duplicates(keep='first', inplace=True)
print(new_series)
print("===========================================")
print(copy_df['朝向'])

修改列

加载数据

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35]}
df = pd.DataFrame(data)
df

第一行age列修改为30

df.loc[0, 'Age'] = 30
df

# 也可以使用条件赋值来修改部分值
# df['Name']=='Bob'
df.loc[df['Name']=='Bob', 'Age'] = 66
df

df['Name'].replace(to_replace='Alice', value='Alice_new', inplace=True)
df
#法二 
# df['Name'] = df['Name'].replace(to_replace='Alice', value='Alice_new', inplace=False)
# df

# 将 Age 列中小于 31 的值改为 29
df['Age'].where(df['Age']>=31, 29, inplace=True)
df

df['Age'].mask(df['Age']>=30, 66, inplace=True)
df

案例

import pandas as pd# 加载数据集 ../data/b_LJdata.csv
df = pd.read_csv('./data/b_LJdata.csv')
df
copy_df = df.head().copy()
print('============修改前===================')
print(copy_df)# copy_df.loc[0, '价格'] = 8000
# copy_df.iloc[0, 4] = 8000
price_index = df.columns.get_loc('价格')
copy_df.iloc[0, price_index] = 8000print('价格下标: ', price_index)print('============修改后===================')
print(copy_df)