一、数据查看、转置

# 数据查看、转置

df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100,
                   columns = ['a','b'])
print(df.head(2))# .head()查看头部数据
print(df.tail())# .tail()查看尾部数据
# 不输入参数，默认查看5条

# .T 转置
print(df.T)

二、添加与修改

df = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])

# 新增列/行并赋值
df['e'] = 10
df.loc[4] = 20 #iloc不能用于增加

# 索引后直接修改值
df['e'] = 20
df[['a','c']] = 100

三、删除 del / drop()


df = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])

# del语句 - 删除列
del df['a']

# drop()删除行，默认：inplace=False → 删除后生成新的数据，不改变原数据
print(df.drop(0)) # ！！！这里的数字0是index的名字而不是序号
print(df.drop([1,2]))

# drop()删除列，需要加上axis = 1，默认：inplace=False → 删除后生成新的数据，不改变原数据
print(df.drop(['d'], axis = 1))
print(df)

四、基本运算，自动对齐

DataFrame对象之间进行运算时，数据自动按照列和索引（行标签）对齐。只要有一个DataFrame对象对应位置为NaN，怎运算完的对应位置也为NaN

df1 = pd.DataFrame(np.random.randn(10, 4), columns=['A', 'B', 'C', 'D'])
df2 = pd.DataFrame(np.random.randn(7, 3), columns=['A', 'B', 'C'])
print(df1 + df2)

在这里插入图片描述

五、排序

和Excel的排序规则是一致的

5.1 按值（列）排序 .sort_values

# 同样适用于Series

df1 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                   columns = ['a','b','c','d'])
print(df1)
# 单列排序
# ascending参数：设置升序降序，默认升序
print(df1.sort_values(['a'], ascending = True))  # 升序
print(df1.sort_values(['a'], ascending = False))  # 降序
print('------')


# 多列排序，按列顺序排序，先排前面的再排后面的
df2 = pd.DataFrame({'a':[1,1,1,1,2,2,2,2],
                  'b':list(range(8)),
                  'c':list(range(8,0,-1))})
print(df2)
print(df2.sort_values(['a','c']))
# 注意默认inplace=False

5.2 按索引（行）排序 .sort_index

df1 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                  index = [5,4,3,2],
                   columns = ['a','b','c','d'])
df2 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100,
                  index = ['h','s','x','g'],
                   columns = ['a','b','c','d'])
print(df1)
print(df1.sort_index())
print(df2)
print(df2.sort_index())