3.6　数据的增加、修改和删除

本节主要介绍如何操纵DataFrame对象中的各种数据。例如，数据的增加、修改和删除。

3.6.1　增加数据

DataFrame对象增加数据主要包括列数据增加和行数据增加。首先看一下原始数据，如图3.35所示。

图3.35　原始数据

1．按列增加数据

按列增加数据，可以通过以下3种方式实现。

（1）直接为DataFrame对象赋值

【示例26】　增加一列“物理”成绩。（示例位置：资源包\MR\Code\03\26）

增加一列“物理”成绩，程序代码如下：

运行程序，输出结果如图3.36所示。

图3.36　按列增加数据

（2）使用loc属性在DataFrame对象的最后增加一列

【示例27】　使用loc属性增加一列“物理”成绩。（示例位置：资源包\MR\Code\03\27）

使用loc属性在DataFrame对象的最后增加一列。例如，增加“物理”一列，主要代码如下：

df.loc[:,'物理'] = [88,79,60,50]

在DataFrame对象最后增加一列“物理”，其值为等号右边数据。

（3）在指定位置插入一列

在指定位置插入一列，主要使用insert()方法。

【示例28】　在第1列后面插入“物理”成绩。（示例位置：资源包\MR\Code\03\28）

例如，在第1列后面插入“物理”，其值为wl的数值，主要代码如下：

01 wl =[88,79,60,50]
02 df.insert(1,'物理',wl)

运行程序，输出结果如图3.37所示。

图3.37　使用insert()方法增加一列

2．按行增加数据

按行增加数据，可以通过以下两种方式实现。

（1）增加一行数据

增加一行数据主要使用loc属性实现。

【示例29】　在成绩表中增加一行数据。（示例位置：资源包\MR\Code\03\29）

在成绩表中增加一行数据，即“钱多多”同学的成绩，主要代码如下：

df.loc['钱多多'] = [100,120,99]

（2）增加多行数据

增加多行数据主要使用字典结合append()方法实现。

【示例30】　在原有数据中增加几名同学的考试成绩。（示例位置：资源包\MR\Code\03\30）

在原有数据中增加“钱多多”“童年”“无名”同学的考试成绩，主要代码如下：

01 df_insert=pd.DataFrame({'语文':[100,123,138],'数学':[99,142,60],'英语':[98,139,99]},index = ['钱多多','童年','无名'])
02 df1 = df.append(df_insert)

运行程序，输出结果分别如图3.38和图3.39所示。

图3.38　增加一行数据

图3.39　增加多行数据

3.6.2　修改数据

修改数据包括行、列标题和数据的修改，首先看一下原始数据，如图3.40所示。

图3.40　原始数据

1．修改列标题

修改列标题主要使用DataFrame对象的cloumns属性，直接赋值即可。

【示例31】　修改“数学”的列名。（示例位置：资源包\MR\Code\03\31）

将“数学”修改为“数学（上）”，主要代码如下：

df.columns=['语文','数学（上）','英语']

上述代码中，即使只修改“数学”为“数学（上）”，但是也要将所有列的标题全部写上；否则将报错。

下面再介绍一种方法，使用DataFrame对象的rename()方法修改列标题。

【示例32】　修改多个学科的列名。（示例位置：资源包\MR\Code\03\32）

将“语文”修改为“语文（上）”、“数学”修改为“数学（上）”、“英语”修改为“英语（上）”，主要代码如下：

df.rename(columns = {'语文':'语文（上）','数学':'数学（上）','英语':'英语（上）'},inplace = True)

上述代码中，参数inplace为True，表示直接修改df；否则，不修改df，只返回修改后的数据。

运行程序，输出结果分别如图3.41和图3.42所示。

2．修改行标题

修改行标题主要使用DataFrame对象的index属性，直接赋值即可。

【示例33】　将行标题统一修改为数字编号。（示例位置：资源包\MR\Code\03\33）

将行标题统一修改为数字编号，主要代码如下：

df.index=list('1234')

图3.41　修改列标题1

图3.42　修改列标题2

使用DataFrame对象的rename()方法也可以修改行标题。例如，将行标题统一修改为数字编号，主要代码如下：

df.rename({'明日':1,'七月流火':2,'高袁圆':3,'二月二':4},axis=0,inplace = True)

3．修改数据

修改数据主要使用DataFrame对象的loc属性和iloc属性。

【示例34】　修改学生成绩数据。（示例位置：资源包\MR\Code\03\34）

（1）修改整行数据

例如，修改“明日”同学的各科成绩，主要代码如下：

df.loc['明日']=[120,115,109]

如果各科成绩均加10分，可以直接在原有值上加10，主要代码如下：

df.loc['明日']=df.loc['明日']+10

（2）修改整列数据

例如，修改所有同学的“语文”成绩，主要代码如下：

df.loc[:,'语文']=[115,108,112,118]

（3）修改某一数据

例如，修改“明日”同学的“语文”成绩，主要代码如下：

df.loc['明日','语文']=115

（4）使用iloc属性修改数据

通过iloc属性指定行、列位置实现修改数据，主要代码如下：

01 df.iloc[0,0]=115                        #修改某一数据
02 df.iloc[:,0]=[115,108,112,118]          #修改整列数据
03 df.iloc[0,:]=[120,115,109]              #修改整行数据

3.6.3　删除数据

删除数据主要使用DataFrame对象的drop()方法。语法如下：

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

参数说明：

　labels：表示行标签或列标签。

　axis：axis = 0，表示按行删除；axis = 1，表示按列删除。默认值为0，即按行删除。

　index：删除行，默认值为None。

　columns：删除列，默认值为None。

　level：针对有两级索引的数据。level = 0，表示按第1级索引删除整行；level = 1表示按第2级索引删除整行，默认值为None。

　inplace：可选参数，对原数组做出修改并返回一个新数组。默认值为False，如果值为True，那么原数组直接就被替换。

　errors：参数值为ignore或raise，默认值为raise，如果值为ignore（忽略），则取消错误。

1．删除行、列数据

【示例35】　删除学生成绩数据。（示例位置：资源包\MR\Code\03\35）

删除指定的学生成绩数据，主要代码如下：

2．删除特定条件的行

删除满足特定条件的行，首先找到满足该条件的行索引，然后再使用drop()方法将其删除。

【示例36】　删除符合条件的学生成绩数据。（示例位置：资源包\MR\Code\03\36）

删除“数学”成绩中包含88的行、“语文”成绩中小于110的行，主要代码如下：

01 df.drop(index=df[df['数学'].isin([88])].index[0],inplace=True)      #删除“数学”成绩中包含88的行
02 df.drop(index=df[df['语文']<110].index[0],inplace=True)             #删除“语文”成绩中小于110的行