pandas 对列的相关操作

pandas 对列的相关操作

先生成测试数据，存放学生的成绩信息：

import copy
import pandas as pd
data = pd.DataFrame({'name':['Lindsay','Chris','Ambe','Delia','Ula'],
                 'score':['55分','66分','77分','88分','99分'],
                 'course_id':[1,1,1,1,1]})
data

1.修改列名

1.直接暴力修改

直接暴力修改，就是直接把所有列名进行重置，赋予新的列名。

这种方式必须把所有的列名都写上(不修改名称的也要写)，而且顺序和数量都必须和原来的数据表保持一致。

如：把 ‘course_id’ 改为 ‘课程id’。

data_1 = copy.deepcopy(data)   # 将data深复制到data_1，防止data的值被修改
data_1.columns = ['name', 'score', '课程id']
data_1

显然，当数据表中有很多列时，这种方式并不是明智之举。

2.指定修改列名rename()

rename()函数可以直接指定需要更改的原列名和新列名，当有多列需要更改时，用字典的方式提供列名更改信息。

参数格式：

DataFrame.rename( columns = { ‘原列名1’:‘新列名1’,…, ‘原列名n’:‘新列名n’ }, inplace = False )

inplace=False：表示不直接在原始数据上修改列的名称，而是生成一个副本，可以赋值给新的对象，inplace默认为False。

inplace=True：直接在原始数据上修改列的名称。

data_2=data.rename(columns={'name':'姓名', 'score':'成绩'})
data_2

2.修改列的顺序

在工作中，我们有时候需要对数据表的列进行重排序。

我们可以根据我们的需要，按照指定的顺序读取列，然后赋值给新的变量。

如：将 ‘course_id’ 列显示到最前面。

data_3 = data[['course_id','name','score']]    # 根据需要，改变列的顺序
data_3

3.删除列

当我们读取到的原始数据中，有些列是我们不需要的时。

我们可以从以下两个方面来处理。

• 1.读取数据的时候只读取需要的列，不需要的列就不读取，然后赋值给新的变量；
• 2.使用 del 方法删除列（只能删除单列）；
• 3.使用 drop() 函数删除列（可以删除多列）。

如：删除 ‘course_id’ 列。

方法1：只读取需要的列

data_4 = data[['name','score']] 
data_4

备注：这种方式看上去是删除了 ‘course_id’ 列，其实只是让新的变量中不存放’course_id’ 列的值，原始数据并没有发生改变。

方法2：del方法删除列

data_5 = copy.deepcopy(data)
del data_5['course_id']
data_5

备注：del 方法一次只能删除一列，不能删除多列，而且是直接对原始数据进行删除。

方法3：使用 drop() 函数删除列

drop()方法可以通过直接指定索引或列名，删除行或列。

参数格式：

DataFrame.drop(labels=None,axis=0,index=None,columns=None,inplace=False)

• labels:接收字符串或列表。代表删除的行或列的标签，无默认值。
• axis：接收0或1。代表操作的轴向，0代表删除行，1代表删除列，默认为0。
• index：接收字符串或列表。代表删除的行的索引index，无默认值。
• columns：接收字符串或列表。代表删除的列的名称，无默认值。
• inplace：接收boolean。代表操作是否对原始数据生效，默认为False。

data.drop(columns='course_id', axis=1, inplace=True)
data

备注：指定删除的列名为 ‘course_id’,axis=1代表删除列，inplace=True 代表直接在原始数据上进行删除。

drop() 函数可以同时删除多列。

如：同时删除 ‘name’ 和 ‘score’ 列的写法：

data.drop(columns=['name','score'], axis=1)

3.新建列

1.直接赋值

在 DateFrame 类型的数据后面，直接跟上新的列名，然后赋值。

这种方式会直接修改 DateFrame 的值，在该 DateFrame 类型的数据后面，新增一列。

格式为：

DateFrame[‘新列名’] = ‘新列值’

如：现在学生的成绩是 “ str ” 类型，而且带有汉字“分”，不方便计算。

我们需要新建一列，提取出成绩中的数值部分。

data['score1'] = data['score'].str.replace('分','').astype('int32')    
# 将'分'替换为''(空字符串)，即删除'分'字,并转换为int类型
data

注：该方法不可以选择插入新列的位置，默认为最后一列。

如果新增的一列值相同，直接为其赋值一个常量即可；

如果插入值不同，为列表格式，需与已有列的行数长度一致，如上面例子中原来列为5行，新增列也必须有5个值。

2.insert()函数

前面直接赋值的方法只能在原始数据的最后位置插入一列数据。

如果想要在任意位置插入一列，就需要用到insert()函数。

语法格式如下：

DataFrame.insert(loc, column, value,allow_duplicates = False)

参数：

• loc：必要字段，int类型数据，表示插入新列的列位置，原来在该位置的列将向右移。

• column：必要字段，插入新列的列名。

• value：必要字段，新列插入的值。如果仅提供一个值，将为所有行设置相同的值。可以是int，string，float等，甚至可以是series /值列表。

• allow_duplicates：可选字段。布尔值，用于检查是否存在具有相同名称的列。默认为False，不允许与已有的列名重复。

如：我们在第 0 列的位置插入新的一列，列名为 test，值为3。

data.insert(loc=0, column='test', value=3)
data

为了不影响后面的使用，我们把 ‘test’ 列删除。

data.drop('test',axis=1,inplace=True)
data

3.df.apply()方法

df.apply()方法可以为我们添加条件列提供支持。

apply()函数主要用于对 DataFrame 中的 某一行或列 中的元素执行 相同的函数操作 。

参数格式：

DataFrame.apply(函数名, axis=0/1)

axis=0：将函数操作应用到行上； axis=1：将函数操作应用到列上。

如：我们定义一个函数，来对成绩进行分级。

score<60 — 不及格

60<=score<70 — 及格

70<=score<80 — 中等

80<=score<90 — 良好

score&gt;=90 — 优秀

# 自定义成绩分级函数
def score_classify(df):
    if df['score1']<60:
        return '不及格'
    elif df['score1']<70:
        return '及格'
    elif df['score1']<80:
        return '中等'
    elif df['score1']<90:
        return '良好'
    else:
        return '优秀'

注意：定义函数时，将 Dataframe 类型的数据作为参数传入，然后在函数体内部对 df[‘score1’] 进行判断。

# 使用apply()方法使 “score1”列的所有元素，执行score_classify()函数
data['成绩分级']=data.apply(score_classify, axis=1)    # axis=1，将函数操作应用到列上
data

4.df.assign()方法

assign()方法可以同时新增多列，并以副本的方式返回 DataFrame ，不会直接修改原始数据。

尽管 df[“column”] 的方式新增一列数据已经很方便，但是在不需要实际生成该列，又可以调用某列数据时，df.assign()方法更具优势。

assign()只能使用在 DataFrame 对象上，语法为：

DataFrame.assign(列名1=列值1, …,列名n=列值n)

如：为 data 新增两列，值分别为1、2。

test_data=data.assign(column1=1, column2=2)
test_data

df.assign()方法是生成副本，可以赋值给新的变量，但不会改变原来 DataFrame 的值。

如，我们来看 data 的值，还是原来的4列。

data

5.使用loc[]方法按按条件赋值

按条件先选择数据，然后对这部分数据赋值给新列。

格式为：

DataFrame.loc[ 条件判断, ‘新列名’] = ‘新列的值’

data.loc[ data['score1']<60  , '成绩分级1'] = '不及格'
data.loc[ data['score1']>=60 , '成绩分级1'] = '及格'
data.loc[ data['score1']>=70 , '成绩分级1'] = '中等'
data.loc[ data['score1']>=80 , '成绩分级1'] = '良好'
data.loc[ data['score1']>=90 , '成绩分级1'] = '优秀'

data

注意：使用 df[条件判断] 和 df.loc[条件判断] 都可以对 DataFrame 类型的数据进行筛选。

但是 df[条件判断] 的方式不能直接新建条件列，但 df.loc[条件判断] 的方式可以。

如：

data[data['score1']>60]

data.loc[data['score1']>60]

data.[data['score1']>60 , '新建列1'] = '及格'    # 报错
data

  File "<ipython-input-19-a34fe8ac325b>", line 1
    data.[data['score1']>60 , '新建列1'] = '及格'    # 报错
         ^
SyntaxError: invalid syntax

data.loc[data['score1']>60 , '新建列2'] = '及格'    # 成功新建条件列
data

代码007普通

打赏 收藏 海报 链接