Python pandas.DataFrame操作指南：创建、索引、增删

"这篇教程主要讲解了Python中pandas库DataFrame对象的创建、索引、增添和删除等基本操作，适合初学者参考学习。" 在Python的数据处理领域，pandas库的DataFrame是极其重要的数据结构，它允许我们以二维表格形式组织数据。这篇教程将带你了解如何进行DataFrame的基本操作。 一、创建DataFrame 1. 基于字典创建：你可以使用Python字典来创建DataFrame，其中字典的键将成为列名，值则对应于列的值。例如： ```python import pandas as pd aa = {'one': [1, 2, 3], 'two': [2, 3, 4], 'three': [3, 4, 5]} bb = pd.DataFrame(aa) ``` 如果不指定索引，DataFrame会默认使用0, 1, 2等整数作为行索引。若要自定义索引，可以这样做： ```python bb = pd.DataFrame(aa, index=['first', 'second', 'third']) ``` 2. 从多维数组创建：使用NumPy的多维数组（ndarray）也能创建DataFrame，但需要额外指定列名和行索引： ```python import numpy as np aa = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) bb = pd.DataFrame(aa, index=[22, 33, 44], columns=['one', 'two', 'three']) ``` 3. 使用已有DataFrame创建：你可以通过现有的DataFrame来创建新的DataFrame，例如通过选择或切片操作。 二、DataFrame的索引 DataFrame的索引包括行索引（index）和列索引（columns）。可以通过`.loc`和`.iloc`等方法进行访问和操作： - `.loc`：基于标签（列名或行索引名）进行访问。 - `.iloc`：基于位置（整数索引）进行访问。 例如，要获取第一列数据，可以使用`bb['one']`或`bb.iloc[:, 0]`。 三、增添数据 1. 添加新列：可以直接为DataFrame添加新列，只要新列名不存在且数据长度与现有行数匹配： ```python bb['four'] = [6, 7, 8] ``` 2. 合并DataFrame：使用`pd.concat()`或`merge()`函数可以将多个DataFrame合并。 四、删除数据 1. 删除列：使用`del`关键字或`.drop()`方法可以删除列： ```python del bb['four'] # 使用del关键字 bb.drop('three', axis=1, inplace=True) # 使用.drop()方法，axis=1表示按列删除 ``` 2. 删除行：同样，`.drop()`方法也可用于删除行，此时设置`axis=0`： ```python bb.drop('22', axis=0, inplace=True) # 删除行索引为22的行 ``` 3. 清除数据：如果想清空DataFrame的所有数据，可以使用`.reset_index(drop=True)`。 总结，pandas.DataFrame提供了丰富的操作接口，无论是创建、索引、增添还是删除数据，都能灵活应对。熟练掌握这些基本操作，将有助于你更高效地处理和分析数据。