代码:

import numpy as np
import pandas as pddates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates, columns=['A', 'B', 'C', 'D'])
print(df)
df.iloc[2, 2] = 1111
print(df)
df.loc['20130101', 'B'] = 2222
print(df)

运行结果:

             A   B   C   D
2013-01-01   0   1   2   3
2013-01-02   4   5   6   7
2013-01-03   8   9  10  11
2013-01-04  12  13  14  15
2013-01-05  16  17  18  19
2013-01-06  20  21  22  23A   B     C   D
2013-01-01   0   1     2   3
2013-01-02   4   5     6   7
2013-01-03   8   9  1111  11
2013-01-04  12  13    14  15
2013-01-05  16  17    18  19
2013-01-06  20  21    22  23A     B     C   D
2013-01-01   0  2222     2   3
2013-01-02   4     5     6   7
2013-01-03   8     9  1111  11
2013-01-04  12    13    14  15
2013-01-05  16    17    18  19
2013-01-06  20    21    22  23

代码:

# 对A这一列所有大于4的赋值为0
df.A[df.A > 4] = 0
print(df)
df['F'] = np.nan
print(df)
df['E'] = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130101', periods=6))
print(df)

运行结果:

            A   B   C   D
2013-01-01  0   1   2   3
2013-01-02  4   5   6   7
2013-01-03  0   9  10  11
2013-01-04  0  13  14  15
2013-01-05  0  17  18  19
2013-01-06  0  21  22  23A   B   C   D   F
2013-01-01  0   1   2   3 NaN
2013-01-02  4   5   6   7 NaN
2013-01-03  0   9  10  11 NaN
2013-01-04  0  13  14  15 NaN
2013-01-05  0  17  18  19 NaN
2013-01-06  0  21  22  23 NaNA   B   C   D   F  E
2013-01-01  0   1   2   3 NaN  1
2013-01-02  4   5   6   7 NaN  2
2013-01-03  0   9  10  11 NaN  3
2013-01-04  0  13  14  15 NaN  4
2013-01-05  0  17  18  19 NaN  5
2013-01-06  0  21  22  23 NaN  6

Python 之 Pandas (三)选择数据相关推荐

  1. Python 之 Pandas (二)选择数据

    代码: import numpy as np import pandas as pddates = pd.date_range('20130101', periods=6) df = pd.DataF ...

  2. Python将Pandas中Dataframe数据保存为gzip/zip文件:gzip压缩文件、zip压缩文件

    Python将Pandas中Dataframe数据保存为gzip/zip文件:gzip压缩文件.zip压缩文件 目录 Python将Pandas中Dataframe数据保存为gzip/zip文件:gz ...

  3. Python中pandas库实现数据缺失值判断isnull()函数

    [小白从小学Python.C.Java] [Python全国计算机等级考试] [Python数据分析考试必会题] ● 标题与摘要 Python中pandas库实现数据缺失值判断 isnull()函数 ...

  4. [转载] Python利用pandas处理Excel数据的应用

    参考链接: Python | Pandas数据比较与选择 最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做 ...

  5. python在excel中的应用-Python利用pandas处理Excel数据的应用详解

    最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...

  6. python与excel的应用-Python利用pandas处理Excel数据的应用

    最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...

  7. python处理excel表格-Python利用pandas处理Excel数据的应用

    最近迷上了高效处理数据的pandas,其实这个是用来做数据分析的,如果你是做大数据分析和测试的,那么这个是非常的有用的!!但是其实我们平时在做自动化测试的时候,如果涉及到数据的读取和存储,那么而利用p ...

  8. 08 Python之Pandas库选择查看、选择

    Pandas查看和选择数据 Pandas是基于Numpy构建的,让以Numpy为中心的应用变得更加简单.平台获取的数据主要是以Pandas中DataFrame的形式.除此之外,Pandas还包括一维数 ...

  9. python使用pandas处理excel数据

    使用Python Pandas库读取excel文件(.xlsx, .xls). 使用pandas的 read_excel()方法来读取excel数据,可以读取第一个sheet,指定的sheet,多个s ...

最新文章

  1. JavaScript中typeof的用法
  2. Jmeter(七)-参数化
  3. 边结点结构体的定义及使用
  4. linux操作系统上网,linux操作系统下无法上网
  5. jmeter linux安装,Linux下安装Jmeter
  6. 能表示分数的计算机,分数计算器的实现
  7. 钉钉小程序----使用阿里的F2图表
  8. oracle重新编译package,如何有效的编译数据库中的失效对象(Package,trigger等)
  9. python如何进行web开发_如何用Python做Web开发
  10. 服务器项目部署工具,通过工具SecureCRTPortable将项目部署到服务器上
  11. [再学Python] - 6 - 函数的定义调用与返回
  12. 品味FastDFS~目录
  13. linux如何入侵电脑,如何入侵Linux系统 -电脑资料
  14. 大航海时代4+伙伴加入条件和港口一览
  15. 苹果数据泄漏:内鬼频出,这是库克的错吗?
  16. 小程序自定义搜索框_将自定义搜索提供程序添加到Windows 7以及高级搜索技巧
  17. @程序员,对抗 996,你真的准备好了吗?
  18. 分析响应时间ns级别的TVS管个中奥秘
  19. windows10设置打开闪退解决方法
  20. 如何使用python快速完成批量导入一个文件夹下多个excel文件

热门文章

  1. 你们要的圣诞帽~ Python实现
  2. 卡成PPT不开心?GAN也能生成流畅的连续表情了 |ECCV Oral · 代码
  3. 理解神经网络,从简单的例子开始(2)使用python建立多层神经网络
  4. JiBX1.2 处理XML
  5. Nature:MIT团队造全新声感织物,这件“毛衣”可以听到你的心跳
  6. 虎虎生威且看今朝 | 数据派优秀志愿者风采展
  7. 十分流行的自举法(Bootstrapping )为什么有效
  8. 3行代码,Python数据预处理提速6倍!(附链接)
  9. Rich Caruana:压缩深度神经网络模型让你兼得可解释性与准确性!
  10. 「元宇宙第一股」Roblox市值突破600亿美元!