1.3 增加，刪除與合并數(shù)據(jù)

1.3.1 增加數(shù)據(jù)

在原數(shù)據(jù)末尾增加一列時，語法為 df[‘新列名'] = 某個值或某個元素個數(shù)與 DataFrame 列數(shù)相同的列表，例如：

df = pd.DataFrame({'姓名':['張三', '李四', '王五'], '統(tǒng)計學(xué)': [95, 100, 88], '高數(shù)': [82, 90, 88], '英語': [84, 89, 78]})
df['計算機(jī)'] = [92, 69, 75] # 增加一列計算機(jī)課程的成績
df

在原數(shù)據(jù)末尾增加一行數(shù)據(jù)時，比較簡單的方式是用 loc 函數(shù)，df.loc[行索引] = 新行值。

df.loc[3] = ['馬六', 65, 70, 69, 55]  # 在末尾增加一行數(shù)據(jù)
df

若要在指定位置插入列，則需要用到 insert 函數(shù)。

df.insert(1, '運(yùn)籌學(xué)', [61, 72, 84, 81]) # 在第 1 列后面插入新的一列
df

df.insert(3, 'Python', [81, 76, 74, 71]) # 在第 4 列后面插入新的一列
df

若要在指定位置插入行，目前 Pandas 還沒有專門的函數(shù)，一般采用concat函數(shù)合并多個 DataFrame 的方式，增加多列或多行數(shù)據(jù)也可以使用 concat函數(shù)或merge函數(shù)，具體參看后面的合并數(shù)據(jù)章節(jié)。

1.3.2 刪除數(shù)據(jù)

Pandas 可以利用drop函數(shù)刪除行數(shù)據(jù)或列數(shù)據(jù)。刪除一行時，參數(shù)為行標(biāo)簽名以及inplace = True。若沒有參數(shù)inplace = True，原始的 DataFrame 數(shù)據(jù)不變。

df.drop(3, inplace = True) # 刪除第 3 行
df

刪除一列時，多了一個參數(shù)axis = 1：

df.drop('英語', inplace = True, axis = 1)
df

df.drop(['運(yùn)籌學(xué)', '高數(shù)'], inplace = True, axis = 1) # 刪除兩行
df

1.3.3 合并數(shù)據(jù)

Pandas 中比較常用的兩個合并數(shù)據(jù)的方法是concat與merge。 當(dāng)兩個 DataFrame 數(shù)據(jù)表具有完全相同的列標(biāo)簽時，一般用concat，其他情況下多用merge。

df1 = pd.DataFrame({'姓名': ['張三', '李四', '王五'], '統(tǒng)計學(xué)': [85, 68, 90], '高數(shù)': [82, 63, 88], '英語': [84, 90, 78]})
df1

df2 = pd.DataFrame({'姓名': ['馬大帥', '陳小虎'], '統(tǒng)計學(xué)': [83, 59], '高數(shù)': [92, 70], '英語': [94, 78]})
df2

兩張表具有完全相同的行名，用concat合并的代碼如下：

pd.concat([df1, df2])  #  注意中括號不等丟

若要合并后的 index 重新命名，可以加參數(shù)ignore_index = True，讓合并后數(shù)據(jù)的 index 重新從小到大命名：

pd.concat([df1, df2], ignore_index = True)

假如有下面的數(shù)據(jù)：

df3 = pd.DataFrame({'姓名': ['張三', '李四', '王五'], '會計': [75, 78, 80], '管理學(xué)': [94, 96, 88]})
df3

df1 與 df3 的姓名相同，但列名不完全相同。我們想把 df3 的列添加到 df1 中，此時就要使用merge方法了，它的使用語法一般如下：

因此，對于 df1 與 df3，用merge合并時，匹配的字段（列名）為’姓名’：

df1.merge(df3, on = '姓名')

merge也能實(shí)現(xiàn)concat的合并效果，例如，合并 df1 與 df2：

df1.merge(df2, on = ['姓名', '統(tǒng)計學(xué)', '高數(shù)', '英語'], how = 'outer')

在上面的代碼中，匹配的字段為所有的列，連接方式為外連接，實(shí)現(xiàn)結(jié)果與concat相同。若連接方式為其他類型，顯示效果如下：

df1.merge(df2, on = ['姓名', '統(tǒng)計學(xué)', '高數(shù)', '英語'], how = 'inner')  # 內(nèi)連接時兩個數(shù)據(jù)表匹配字段的交集為空

df1.merge(df2, on = ['姓名', '統(tǒng)計學(xué)', '高數(shù)', '英語'], how = 'left')  # 左連接時保留左數(shù)據(jù)表的所有匹配字段

df1.merge(df2, on = ['姓名', '統(tǒng)計學(xué)', '高數(shù)', '英語'], how = 'right')  # 右連接時保留右數(shù)據(jù)表的所有匹配字段

在合并數(shù)據(jù)表時，若某些字段沒有對應(yīng)數(shù)據(jù)，Pandas 會自動用 NaN 替代，下面的例子展示了不同連接方式的效果。文章來源地址http://www.zghlxwxcb.cn/news/detail-641160.html

df1 = pd.DataFrame({'班級': ['一班', '二班', '一班'], '姓名': ['張三', '李四', '王五'], '性別': ['男', '男', '女'], '籍貫': ['北京', '上海', '重慶']})
df1

df2 = pd.DataFrame({ '姓名': ['張三', '陳小虎'], '統(tǒng)計學(xué)': [85, 59]})
df2

df1.merge(df2, on = '姓名')

df1.merge(df2, on = '姓名', how = 'outer') # 某些字段沒有對應(yīng)數(shù)據(jù)，則顯示為 NaN

df1.merge(df2, on = '姓名', how = 'left')

df1.merge(df2, on = '姓名', how = 'right')

到了這里，關(guān)于【Pandas 入門-2】增加，刪除與合并數(shù)據(jù) concat, merge的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！