目录
  • 如何向 pandas.DataFrame 添加新的列或行
  • 选择某些列
  • 选择某些列和行
  • 添加新的列
  • 更改某一列的值
  • 补全缺失值

如何向 pandas.DataFrame 添加新的列或行

通过指定新的列名/行名来添加，或者用pandas.DataFrame的assign()、insert()、append()方法添加等方法。

这里，将描述以下内容。

将列添加到 pandas.DataFrame

  • 通过指定新列名添加
  • 用assign()方法添加/分配
  • 用insert()方法添加到任意位置
  • 使用 concat() 函数水平连接 Series 和 DataFrame

向pandas.DataFrame 添加一行

  • 通过指定新行名称添加
  • 用append()方法添加
  • 使用 concat() 函数垂直连接 Series 和 DataFrame
  • 转置然后使用assign()、insert()方法

选择某些列

import pandas as pd
# 从Excel中读取数据，生成DataFrame数据
# 导入Excel路径和sheet name
df = pd.read_excel(excelName, sheet_name=sheetName)
# 读取某些列，生成新的DataFrame
newDf = pd.DataFrame(df, columns=[column1, column2, column3])

选择某些列和行

# 读取某些列，并根据某个列的值筛选行
newDf = pd.DataFrame(df, columns=[column1, column2, column3])[(df.column1 == value1) & (df.column2 == value2)]

添加新的列

# 第一种直接赋值
df["newColumn"] = newValue
# 第二种用concat组合两个DataFrame
pd.concat([oldDf, newDf])

更改某一列的值

# 第一种，replace
df["column1"] = df["column1"].replace(oldValue, newValue)
# 第二种，map
df["column1"] = df["column1"].map({oldValue: newValue})
# 第三种，loc
# 将column2 中某些行（通过column1中的value1来过滤出来的）的值为value2
df.loc[df["column1"] == value1, "column2"] = value2

补全缺失值

# fillna填充缺失值
df["column1"] = df["column1"].fillna(value1)

以上就是pandas选择或添加列生成新的DataFrame操作示例的详细内容，更多关于pandas生成DataFrame的资料请关注其它相关文章！

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。