本文共 2462 字，大约阅读时间需要 8 分钟。

添加删除 2018/12/3

1.函数：

s1.append(to_append, ignore_index=False, verify_integrity=False)       #更多序列连接df.append(other, ignore_index=False, verify_integrity=False, sort=None)#数据帧连接s1.drop(labels=None)                                                   #删除系列指定的标签df.drop(labels=None, axis=0, index=None, columns=None, level=None)     #数据帧删除# 注：操作后原数据不变

2.实例1.1）.Series添加

s1=pd.Series([-1, -2, -3], index=['a', 'b', 'c'])s2=pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])s1['d']=-4                         #系列添加; 原数据改变# 序列连接s1.append(s2)                      #s2必须是系列，保留原数据标签s1.append(s2,ignore_index=True)    #忽略原数据标签，启用新的标签0,1,2,s1.append(s2,verify_integrity=True)#标签重复报错 

1.2）.Series 删除  

del s1['d'] #序列删除;原数据改变# del s1.d  #错误用法s2.pop('d') #弹出；参数必须为标签str;原数据改变s2.drop('d')       #删除数据‘d' ; 原数据不变s2.drop(['c','d']) #删除数据‘'c',d'

2.1）.DataFrame添加

s1=pd.Series([-1, -2, -3], index=['a', 'b', 'c'])s2=pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])df = pd.DataFrame({'one' : s1,'two' : s2})df2 = pd.DataFrame([[5, 6], [7, 8]], columns=['one','two'])#添加列df['three']=pd.Series([10,20,30],index=['a','b','c'])#数据帧添加1列;原数据改变df['four']=df['one']+df['three']                     #数据帧添加1列;原数据改变# 添加行df.append(df2)                                       #添加2行，保留原数据标签 ; 原数据不变

2.2）.DataFrame删除

#删除列del df['four'] #数据帧删除;原数据改变# del df.four  #错误用法df.pop('three')#弹出；参数必须为标签str;原数据改变df.drop(['one'],axis=1)#删除列; 原数据不变# two# a 1# b 2# c 3# d 4#删除行df.drop(['a','b'])#通过索引删除行; 原数据不变# one two# c -3.0 3# d NaN 4

3.备注-多索引Drop columns and/or rows of MultiIndex DataFrame

midx = pd.MultiIndex(levels=[['Tom', 'Bob', 'Jam'], ['income', 'weight', 'length']],labels=[[0, 0, 0, 1, 1, 1, 2, 2, 2],[0, 1, 2, 0, 1, 2, 0, 1, 2]])#创建多索引df = pd.DataFrame(index=midx, columns=['max', 'min'],data=[[200, 100],[55, 50], [1.5, 1.4], #Tom收入，体重，身高      [400, 300],[65, 60], [1.6, 1.5], # Bob收入，体重，身高      [600, 500],[75, 70], [1.8, 1.7]])# Jam收入，体重，身高df'''           max minTom income 200.0 100.0    weight 55.0 50.0    length 1.5 1.4Bob income 400.0 300.0    weight 65.0 60.0    length 1.6 1.5Jam income 600.0 500.0    weight 75.0 70.0    length 1.8 1.7'''df.drop(index='Bob', columns='min')'''''''''''           maxTom income 200.0    weight 55.0    length 1.5Jam income 600.0    weight 75.0    length 1.8'''df.drop(index='length', level=1)'''''''''             max minTom income 200.0 100.0    weight 55.0 50.0Bob income 400.0 300.0    weight 65.0 60.0Jam income 600.0 500.0    weight 75.0 70.0'''

转载地址：https://chunyou.blog.csdn.net/article/details/84777526 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！