Pandas 17-行操作和列操作

1. 行操作

选择行

可以使用标签索引（loc）或位置索引（iloc）来选择行。

import pandas as pd  # 创建示例 DataFrame  
df = pd.DataFrame({  'A': [1, 2, 3, 4, 5],    'B': [10, 20, 30, 40, 50]})  # 使用标签索引选择行  
selected_row_loc = df.loc[2]  
print("使用标签索引选择行：")  
print(selected_row_loc)  # 使用位置索引选择行  
selected_row_iloc = df.iloc[2]  
print("\n使用位置索引选择行：")  
print(selected_row_iloc)  

添加行

可以使用 loc 或 append 方法添加行。

# 使用 loc 添加行  
df.loc[5] = [6, 60]  
print("\n使用 loc 添加行：")  
print(df)  # 使用 append 方法添加行  
new_row = pd.Series({'A': 7, 'B': 70})  
df = df.append(new_row, ignore_index=True)  
print("\n使用 append 方法添加行：")  
print(df)  

删除行

可以使用 drop 方法删除行。

# 删除行  
df = df.drop(5)  
print("\n删除行：")  
print(df)  

2. 列操作

选择列

可以使用列名直接选择列。

# 选择列  
selected_column = df['A']  
print("\n选择列：")  
print(selected_column)  

添加列

可以使用列名直接添加列。

# 添加列  
df['C'] = [100, 200, 300, 400, 500]  
print("\n添加列：")  
print(df)  

删除列

可以使用 drop 方法删除列。

# 删除列  
df = df.drop('C', axis=1)  
print("\n删除列：")  
print(df)  

重命名列

可以使用 rename 方法重命名列。

# 重命名列  
df = df.rename(columns={'A': 'Column_A', 'B': 'Column_B'})  
print("\n重命名列：")  
print(df)  

3. 结合行和列操作

在实际应用中，行和列操作可以结合使用，以满足更复杂的数据处理需求。

# 选择特定行和列  
selected_data = df.loc[2, 'Column_A']  
print("\n选择特定行和列：")  
print(selected_data)  # 添加新行和新列  
df.loc[5] = [6, 60]  
df['Column_C'] = [100, 200, 300, 400, 500, 600]  
print("\n添加新行和新列：")  
print(df)  # 删除特定行和列  
df = df.drop(5)  
df = df.drop('Column_C', axis=1)  
print("\n删除特定行和列：")  
print(df)  

总结

通过行操作和列操作，可以灵活地对 DataFrame 进行数据处理。以下是一个完整的示例代码，展示了如何结合使用这些方法：

import pandas as pd  # 创建示例 DataFrame  
df = pd.DataFrame({  'A': [1, 2, 3, 4, 5],    'B': [10, 20, 30, 40, 50]})  # 使用标签索引选择行  
selected_row_loc = df.loc[2]  
print("使用标签索引选择行：")  
print(selected_row_loc)  # 使用位置索引选择行  
selected_row_iloc = df.iloc[2]  
print("\n使用位置索引选择行：")  
print(selected_row_iloc)  # 使用 loc 添加行  
df.loc[5] = [6, 60]  
print("\n使用 loc 添加行：")  
print(df)  # 使用 append 方法添加行  
new_row = pd.Series({'A': 7, 'B': 70})  
df = df.append(new_row, ignore_index=True)  
print("\n使用 append 方法添加行：")  
print(df)  # 删除行  
df = df.drop(5)  
print("\n删除行：")  
print(df)  # 选择列  
selected_column = df['A']  
print("\n选择列：")  
print(selected_column)  # 添加列  
df['C'] = [100, 200, 300, 400, 500]  
print("\n添加列：")  
print(df)  # 删除列  
df = df.drop('C', axis=1)  
print("\n删除列：")  
print(df)  # 重命名列  
df = df.rename(columns={'A': 'Column_A', 'B': 'Column_B'})  
print("\n重命名列：")  
print(df)  # 选择特定行和列  
selected_data = df.loc[2, 'Column_A']  
print("\n选择特定行和列：")  
print(selected_data)  # 添加新行和新列  
df.loc[5] = [6, 60]  
df['Column_C'] = [100, 200, 300, 400, 500, 600]  
print("\n添加新行和新列：")  
print(df)  # 删除特定行和列  
df = df.drop(5)  
df = df.drop('Column_C', axis=1)  
print("\n删除特定行和列：")  
print(df)