Python Pandas DataFrame 数据查询、修改与删除详解

一、查询操作

可以通过访问 DataFrame 对象的 index 属性和 columns 属性，分别获取行索引和列索引的信息。

import pandas as pd
data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
df = pd.DataFrame(data)
print(df.index)
print(df.columns)
df

执行上述代码后的输出结果如下：

元素的查询

针对 DataFrame 元素的查询，主要支持以下几种方式：使用方括号 [] 切片、loc 方法、iloc 方法、at 方法以及 iat 方法。下文将逐一介绍这些方法的具体用法。

使用 [] 切片：

与 Series 类似，DataFrame 同样支持使用 [] 进行切片操作。其使用逻辑相近，即通过指定行或列的下标（整数）或名称（字符串）来定位并查询特定位置的元素。

例如：

# 获取第0行数据
df[0:1]
# 获取第2-4行数据(不包括4)
df[2:4]
# 获取某一列
df.name  # df["name"]
# 获取某几列
df[["name", "gender"]]
# 获取指定行指定列
df[2:4][["name", "gender"]]

利用 loc 方法和 iloc 方法：

其中，loc 方法以行索引的名称和列索引的名称作为参数进行选取；而 iloc 方法则以行索引的位置序号和列索引的位置序号作为参数。具体的使用示例如下：

# 获取某行
df.loc[1]
df.iloc[1]
# 获取多行
df.loc[1:3]
df.iloc[1:3]
# 获取某列
df.loc[:, "name"]
df.iloc[:, 0]
# 获取多列
df.loc[:, ["name","gender"]]
df.iloc[:, [0,2]]

需要特别注意的一点是，当使用 loc 方法且行索引参数为区间时，该区间为前后闭区间（包含首尾）；而使用 iloc 方法时，区间为前闭后开区间（包含开头，不包含结尾）。

通过 at 方法和 iat 方法：

at 和 iat 的使用逻辑与 loc 和 iloc 相似，但区别在于它们仅能访问单个标量元素，无法直接访问多个元素。其优势在于查询速度通常比 loc 和 iloc 更快。具体用法如下：

# 查询index为0列名为name的元素
df.at[0, "name"]
# 查询第2行第1列的元素
df.iat[2,1]

介绍完 DataFrame 的查询操作后，接下来本文将重点介绍 DataFrame 数据的修改及删除操作。

二、修改操作

行列索引的修改

DataFrame 对象提供了 rename() 方法用于修改行索引或列索引。该方法默认修改行索引，若需修改列索引，可通过指定 columns 参数来实现。

具体使用方法如下：

# 修改指定行索引
df.rename({1:"one", 2:"two"}, inplace=True)
# 修改指定列索引
df.rename(columns={"city": "address"}, inplace=True)
df

运行结果输出如下：

参数 inplace=True 表示直接在原始的 DataFrame 对象上进行修改，而不返回新的副本。

元素值的修改

在前述查询操作中，我们提到可以通过 loc、iloc、at、iat 等方法获取指定位置的值。修改元素值的逻辑与此类似，即先通过上述方法定位到目标位置，然后进行赋值操作即可完成修改。例如：

# 修改1-2行age和city列的数据
df.loc[1:2, ["age","city"]] = [["22", "北京"],["21", "济南"]]
# 修改gender列 man-->男
df.loc[df["gender"]=="man", "gender"] = "男"
df

输出结果如下：

三、行和列的删除操作

DataFrame 提供了 drop() 方法来进行行或列的删除操作。

该方法的用法及参数说明如下：

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

• labels：指定要删除的行标签或列标签，可以传入列表以指定多个行或列索引。
• axis：取值为 0 或 1，分别代表行和列。默认值为 0，表示删除行；若设置为 1，则表示删除列。
• index：直接指定要删除的行标签，可传入列表指定多个行索引。
• columns：直接指定要删除的列标签，同样可传入列表指定多个列索引。
• inplace：默认为 False，若设置为 True，则表示在原始的 DataFrame 上进行修改，不返回新对象。

通过以下代码示例进行演示：

# 删除单行
df.drop(4, inplace=True)
# 删除多行
df.drop([1,3], inplace=True)
# 删除多列
df.drop(["gender","city"], axis=1, inplace=True)  # 或 df.drop(columns=["genger","city"], inplace=True)
df

至此，关于 Python 数据分析中 Pandas DataFrame 的修改、删除及查询操作的介绍已完成。如需了解更多相关 Pandas DataFrame 内容，欢迎查阅本站往期文章或继续浏览后续教程，感谢大家的支持！