pandas设置值-【老鱼学pandas】
本节主要讲述如何根据上篇博客中选择出相应的数据之后,对其中的数据进行修改。
对某个值进行修改
例如,我们想对数据集中第2行第2列的数据进行修改:
import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)
# 对第2行第2列的数据进行修改
data.iloc[2, 2] = 111
print("修改后的数据为:")
print(data)
输出为:
data:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 10 11
2017-01-11 12 13 14 15
2017-01-12 16 17 18 19
2017-01-13 20 21 22 23
修改后的数据为:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 111 11
2017-01-11 12 13 14 15
2017-01-12 16 17 18 19
2017-01-13 20 21 22 23
根据筛选条件设置值
比如,我们想对数据集中B列大于14的数据设置为14值,类似SQL中的:
update table set B = 14 where B>14
具体实现为:
import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)
# 把B列中大于14的数设置为14
data.B[data.B>14] = 14
print("修改后的数据为:")
print(data)
输出为:
data:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 10 11
2017-01-11 12 13 14 15
2017-01-12 16 17 18 19
2017-01-13 20 21 22 23
修改后的数据为:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 10 11
2017-01-11 12 13 14 15
2017-01-12 16 14 18 19
2017-01-13 20 14 22 23
增加一列
增加一列空列数据:
import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)
data["E"] = np.nan
print("修改后的数据为:")
print(data)
输出为:
data:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 10 11
2017-01-11 12 13 14 15
2017-01-12 16 17 18 19
2017-01-13 20 21 22 23
修改后的数据为:
A B C D E
2017-01-08 0 1 2 3 NaN
2017-01-09 4 5 6 7 NaN
2017-01-10 8 9 10 11 NaN
2017-01-11 12 13 14 15 NaN
2017-01-12 16 17 18 19 NaN
2017-01-13 20 21 22 23 NaN
这里,我们通过
data["E"] = np.nan
对数据集增加了一列空的数据。
另外,这里不能使用data.E=np.nan的方式对数据集增加一列。
当然,我们也可以把某列的数据增加到一列中:
import pandas as pd
import numpy as np
dates = pd.date_range("2017-01-08", periods=6)
data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A", "B", "C", "D"])
print("data:")
print(data)
data["E"] = np.arange(6)
print("修改后的数据为:")
print(data)
输出为:
data:
A B C D
2017-01-08 0 1 2 3
2017-01-09 4 5 6 7
2017-01-10 8 9 10 11
2017-01-11 12 13 14 15
2017-01-12 16 17 18 19
2017-01-13 20 21 22 23
修改后的数据为:
A B C D E
2017-01-08 0 1 2 3 0
2017-01-09 4 5 6 7 1
2017-01-10 8 9 10 11 2
2017-01-11 12 13 14 15 3
2017-01-12 16 17 18 19 4
2017-01-13 20 21 22 23 5
这样我们新增了一列E。
作者:dreampursuer(公众号:独立开发者手记)
![独立开发者手记](https://images.cnblogs.com/cnblogs_com/dreampursuer/2381372/o_240229024324_qr_code.png)
出处:http://www.cnblogs.com/dreampursuer/
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
![独立开发者手记](https://images.cnblogs.com/cnblogs_com/dreampursuer/2381372/o_240229024324_qr_code.png)
出处:http://www.cnblogs.com/dreampursuer/
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。