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
- JMeter函数整理
"_intSum” 功能:用于计算多个整数的和,可以是计算正整数和负整数的和,它有N个参数,最少有3个参数,最多不限.最后一个参数是函数名称,前面的其它参数是要求和的整数.这个函数在函数对话 ...
- QTP(14)
练习1.Flight4a 要求: a.录制Flight4a登录+退出业务流程 b.使用自定义检查结合Exist属性验证登录是否成功 c.为用户名实现参数化 用户名 Jack 正确 Rose 正确 12 ...
- Matrix Factorization in RecSys
矩阵分解在推荐系统中的应用. 参考链接:知乎. 传统SVD,Funk-SVD,Bias-SVD,SVD++. SVD奇异值分解及其意义. 漫谈奇异值分解.
- java8学习之Function与BiFunction函数式接口详解
Function接口: 上次中已经使用了Function的apply()方法,但是在这个接口中还存在三个具体实现的方法,如下: 下面来仔细的将剩下的方法学习一下: compose(): 首先来读一下该 ...
- php查找判断二维数组中是否含有某个值
$arr = array( array('a', 'b'), array('c', 'd') ); in_array('a', $arr); // 此时返回的永远都是 false deep_in_ar ...
- Netty TCP 通信失败
前段时间,在搞Netty TCP 通信,踩了一些坑,今天就在这篇总结一下 Netty通信失败原因 Netty TCP 通信失败的可能原因: 1.服务端或客户端,其中一端没有正常启动 2.是否在正确的位 ...
- JQuery实现简单的服务器轮询效果
很多论坛都有进入后,弹出提示,说有多少封邮件没有看,或者是一个oa系统,进入后,提示有多少个任务没有做.每隔一段时间会提示一次,但是如何实现呢.其实,利用jquery的话,会比较简单,核心元素就是js ...
- [Angular 8] Take away: Web Components with Angular Elements: Beyond the Basics
This post is based on the NG-CONF talk, check the talk by yourself. 1. Dynamiclly add Angular Elemen ...
- 题解 【POI2008】KUP-Plot purchase
题面 先把题目意思讲一下吧: 给一个 \(n*n\) 的地图,每个格子有一个价格,找一个矩形区域,使其价格总和位于\([k,2k]\). 那么首先,可以想到,如果\(a[i][j]\)(格子的价格,下 ...
- linux运维、架构之路-K8s数据管理
一.Volume介绍 容器和Pod是短暂的,它们的生命周期可能很短,会被频繁的销毁和创建,存在容器中的数据会被清除,为了持久化保存容器的数据,k8s提供了Volume.Volume的生命周期独立于容器 ...