pandas DataFrame 新增列、行及数据筛选操作详解
发布时间：2026-10-15| 4人浏览过
本文详细介绍在 pandas 中如何对 DataFrame 进行列和行的增删改查。涵盖通过直接赋值、assign、insert 方法添加新列，利用 concat 进行水平或垂直连接，以及使用 append 添加行的技巧。同时讲解如何根据条件筛选特定列和行，修改列值及处理缺失数据，提供完整代码示例。
如何向 pandas.DataFrame 添加新的列或行
可以通过指定新的列名或行名来直接添加，也可以利用 pandas.DataFrame 提供的 assign()、insert() 以及 append() 等方法来实现。
下文将详细描述以下具体操作内容。
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的资料请关注本站其它相关文章！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
