2、直接运行df.columns的结果是 <class'pandas.core.indexes.base.Index'>类型 3、运行df.columns.values的结果是数组 ['A' 'B' 'C'] 4、如何将结果转换为列表呢,方法有如下: # 方法1:df.columns.values.tolist() # 方法2:df.columns.tolist() # 方法3:[columnforcolumnindf] # 方法4:list(df.col...
假设数据框的名称为df。 代码语言:txt 复制 import pandas as pd # 读取数据框 df = pd.read_csv('data.csv') 使用columns属性获取数据框的列名列表。 代码语言:txt 复制 # 获取列名列表 columns_list = df.columns.tolist() 如果需要将某一列设置为列表,可以使用tolist()方法将该列转换为列表。 代码...
df.shape返回的就是表的形状,shape[0]×shape[1]=df.size df.count(axis=0)返回每列非缺失值的数量,类似于sql的count() df.index和df.columns返回行索引和列索引->pandas.Index df.index.values和df.columns.values:->Series df.index.tolist()和df.columns.tolist():->list;Note:Index和Series对象都有...
df['5':'5']# 行名称为5的行 df['5':'7']# 行名称为5的行至行名称为7的行 行数切片时,如果行索引类型为int,则会根据行数来切片,不会根据行名称切片,这点与df.ix不同,例如: 1 2 3 df=pd.DataFrame(np.arange(16).reshape(4,4), columns=list('ABCD'), index=range(5,9)) df[5:8]#...
columns = df.columns.values.tolist() #列名 一、增加列和行 二、插入新增列、行 import pandas as pd df1 = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age']) ...
df = df.reindex(columns=df.columns.tolist() + ['新增列名']+['新增列名']) reindex()函数用法较多,此处只是针对添加新列的用法 实例:插入e列 1 2 3 4 df1 =df.reindex(columns=['a', 'b', 'c', 'd', 'e']) # 不加fill_value参数,默认值为Nan ...
X = df[["sepal_length", "sepal_width", "species"]] # 按列号选择一列 df.iloc[: , [1,3,4]] # 从数据框中删除一列 X X = X.drop("sepalL", axis=1) # 将所有列保存到列表中 df.columns.tolist() # 重命名列 df.rename (columns={"old colum1": "new column1", "old column2...
df1=df.copy()# 方便演示,生成副本 代码语言:javascript 复制 df1["A"].mean() 代码语言:javascript 复制 4.714285714285714 代码语言:javascript 复制 (1+2+4+5+6+7+8)/7 代码语言:javascript 复制 4.714285714285714 代码语言:javascript 复制 # 每列的空值填充各自的均值forcolumnindf1.columns.tolist():m=...
df.[lambda df: df.columns[0]] # 对每行记录进行过滤,如果该行的col列包含字符串model,即可保留该行,否则会被过滤掉 df.loc(axis=1)[lambda x: x['col'].str.contains('keyword')] # 根据另一个df的col列对当前df的值进行过滤,要对另一个df的col列进行to_list处理,假设test为that['col']中的值...
# Example 2: Convert DataFrame column as a list print(df['Fee'].tolist()) # Example 3: Create DataFrame to nested list # Create an empty list list = [] # Iterate through the columns of dataframe for column in df.columns list1 = df[column].tolist() ...