python pandas DataFrame 修改数据
文章目录
- 修改行名
- 修改列名
- 修改行数据
- 修改列数据
- 修改单个数据
import pandas as pd
df1 = pd.DataFrame({'日期': ['2021-7-2', '2021-8-2', '2021-9-2', '2021-10-2'],'A': [1, 2, 3, 4],'B': [5, 6, 7, 8],'C': [9, 10, 11, 12],'D': [13, 14, 15, 16]},index=[0, 1, 2, 3])
print(df1)
日期 A B C D
0 2021-7-2 1 5 9 13
1 2021-8-2 2 6 10 14
2 2021-9-2 3 7 11 15
3 2021-10-2 4 8 12 16
修改行名
df2 = df1.rename(index={2: "修改行名2", 3: "修改行名3"}) # 修改行名
print(df2)
日期 A B C D
0 2021-7-2 1 5 9 13
1 2021-8-2 2 6 10 14
修改行名2 2021-9-2 3 7 11 15
修改行名3 2021-10-2 4 8 12 16
修改列名
df3 = df1.rename(columns={"B": "修改列名B", "D": "修改列名D"}) # 修改列名
print(df3)
日期 A 修改列名B C 修改列名D
0 2021-7-2 1 5 9 13
1 2021-8-2 2 6 10 14
2 2021-9-2 3 7 11 15
3 2021-10-2 4 8 12 16
修改行数据
df1.loc[1,: # 行名
] = ["修改行", "修改行", "修改行", "修改行", "修改行"] # 修改行数据
print(df1)
日期 A B C D
0 2021-7-2 1 5 9 13
1 修改行 修改行 修改行 修改行 修改行
2 2021-9-2 3 7 11 15
3 2021-10-2 4 8 12 16
修改列数据
df1.loc[:, "A" # 列名
] = ["修改列", "修改列", "修改列", "修改列"] # 修改列数据
print(df1)
日期 A B C D
0 2021-7-2 修改列 5 9 13
1 修改行 修改列 修改行 修改行 修改行
2 2021-9-2 修改列 7 11 15
3 2021-10-2 修改列 8 12 16
修改单个数据
df1.loc[2, # 行名"日期" # 列名
] = "修改单个数据" # 修改单个数据
print(df1)
日期 A B C D
0 2021-7-2 修改列 5 9 13
1 修改行 修改列 修改行 修改行 修改行
2 修改单个数据 修改列 7 11 15
3 2021-10-2 修改列 8 12 16
python pandas DataFrame 修改数据相关推荐
- python pandas DataFrame 数据替换
python pandas DataFrame 替换 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...
- python pandas DataFrame 排序
python pandas DataFrame 排序 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...
- python pandas 去重_Pandas 数据框增、删、改、查、去重、抽样基本操作方法
怎么使用Python中Pandas库Resample,实现重采样,按照时间,比如原采样间隔为100ms,数据为[0,10,20,30,40],那么重采样#python中的pandas库主要有DataF ...
- Python Pandas读取修改excel操作攻略
Python Pandas读取修改excel操作攻略 环境:python 3.6.8 以某米赛尔号举个例子吧: >>> pd.read_excel('1.xlsx', sheet_n ...
- python pandas DataFrame 查找NaN所在的位置
python pandas DataFrame 查找 NaN 所在的位置 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期' ...
- Python pandas.DataFrame.combine_first函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.tz_localize函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.expanding函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.melt函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
最新文章
- 计算机财务应用实验心得,计算机会计实习心得-20210628124643.doc-原创力文档
- php5对象复制、clone、浅复制与深复制的区别与介绍
- c# mysql 编码_C#编码问题以及C#往Mysql插数据编码问题
- SpringBoot笔记:SpringBoot2.3读取应用配置参数的几种方式
- linux服务器配置https访问
- CentOS 下线,TencentOS Server 全新登陆带来最强支持
- 工业POE交换机使用中的常见问题汇总
- C++远征之封装篇——类和封装、实例化和对象成员访问
- java数据类型转换和数组总结
- python统计表中单词及其出现的次数 字典形式输出_统计字符串中字母出现的次数,字典形式输出(python)...
- python的list()列表数据类型的方法详解
- one loop per thread
- Linux下安装人大金仓数据库说明
- 中国互联网公司大盘点
- 计算机桌面文件为何不能剪贴,复制粘贴,详细教您电脑复制粘贴不能用了怎么解决...
- samba服务器配置例子(网吧电影服务器)
- C语言学习之请编程序将“China”译成密码,密码规律是:用原来的字母后面第4个字母代替原来的字母。
- revit里的BIM模型转fbx真的可以带纹理材质吗?
- Linux下BMP图片截图
- android gif图片闪烁,Android中动态显示gif图片
热门文章
- 独家 | 以国家战略科学家身份,顶级AI学者朱松纯回国,筹建北京通用AI研究院...
- 安卓dtmf识别_基于Python的DTMF信号识别
- 深度学习环境搭建之常识(anaconda,cuda,cudnn,python,tensorflow等概念)
- 415 (Unsupported Media Type)
- CellPress | 医学上人工智能的缺失
- RDKit | 基于主成分分析可视化(DrugBank)类药性的化学空间
- 第二十二课.DeepGraphLibrary(三)
- 第二课.图卷积神经网络
- CentOS 8 已是绝版?还有后续么?
- 数据可视化完美指南-R-Python