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
- D-Link系列路由器漏洞挖掘入门
D-Link系列路由器漏洞挖掘入门 前言 前几天去上海参加了geekpwn,看着大神们一个个破解成功各种硬件,我只能在下面喊 6666,特别羡慕那些大神们.所以回来就决定好好研究一下路由器,争取跟上大 ...
- FASTCGI/CGI
在了解这两个协议之前,我们先谈一下动态网页 动态网页 是指跟静态网页相对的一种网页编程技术.静态网页,随着html代码的生成,页面的内容和显示效果就基本上不会发生变化了--除非你修改页面代码.而动态网 ...
- S19格式
S-record格式文件是Freescale CodeWarrior编译器生成的后缀名为.S19的程序文件,是一段直接烧写进MCU的ASCII码,英文全称问Motorola format for EE ...
- ELK对nginx日志进行流量监控
ELK对nginx日志进行流量监控 一.前言 线上有一套ELK单机版,版本为5.2.1.现在想把nginx访问日志接入到elk里,进行各个域名使用流量带宽的统计分析.要把nginx日志传输到elk上, ...
- 2.Nginx基本配置
1. Nginx相关概念 代理服务器一般分为正向代理(通常直接称为代理服务器)和反向代理. 通常的代理服务器,只用于代理内部网络对Internet的连接请求,客户机必须指定代理服务器,并将本来要直接发 ...
- java合并数组的几种方法,stream流合并数组
一.实例代码 package cc.ash; import org.apache.commons.lang3.ArrayUtils; import java.lang.reflect.Array; i ...
- mongodb cursor用法
为了营造大批量数据,我们可以这样写javascript脚本 for (var i=1;i<=10000;i++) { if(i%2==1) { db.cursortest.insert({_id ...
- MySQL错误:ERROR 1067 (42000): Invalid default value for 'timestamp_field'
数据库报错 ERROR 1067 (42000): Invalid default value for 'start_time' 是因为数据库的配置有问题: 可以看到 NO_ZERO_IN_DA ...
- java上传大文件解决方案
需求:项目要支持大文件上传功能,经过讨论,初步将文件上传大小控制在10G内,因此自己需要在项目中进行文件上传部分的调整和配置,自己将大小都以10G来进行限制. 第一步: 前端修改 由于项目使用的是BJ ...
- 2018 南京预选赛 J Sum ( 欧拉素数筛 、Square-free Number、DP )
题目链接 题意 : 定义不能被平方数整除的数为 Square-free Number 定义 F(i) = 有几对不同的 a 和 b 使得 i = a * b 且 a .b 都是 Square-free ...