.drop(labels[, errors]):删除传入的labels,得到新的Index .insert(loc, item):在指定下标位置插入值,得到新的Index .unique():返回Index中唯一值的数组,得到新的Index 5. 我们可以将Index转换成其他数据类型: .astype(dtype,[,copy]):转换成另一个数据类型的Index,其label的dtype被转换成指定的值 ...
loc[0, 'name'] df.iloc[0, 1] # 选择行: df.loc[0] df.iloc[0] # 选择列: df['name'] 4. 操作数据 Pandas提供了很多数据操作方法,例如,可以使用mean()方法计算列的平均值,使用corr()方法计算列之间相关性并使用drop()方法删除某些列或行。 # 计算列的平均值 df['age'].mean() # 计算列...
从上表可以看到,里面有两条记录是完全重复的,我们直接可以再调用drop_duplicates()函数,实现去重操作。 代码语言:javascript 代码运行次数:0 运行 AI代码解释 df1=pd.read_excel("concat.xlsx",sheet_name="Sheet1")df2=pd.read_excel("concat.xlsx",sheet_name="Sheet2")pd.concat([df1,df2],ignore_index=...
下面是一个使用 reset_index() 方法删除多重索引的示例：首先我们新建一个数据，并对其分组聚合：import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Gill', 'Bob', 'Emily', 'Carol', 'David', 'Firth'],'Age': [30, 35, 25, 45, 35, 40, 20],'City': ['Beijing', 'Paris'...
Pandas Index 对象 Pandas 的 Index 对象是用于标识轴标签的基类,它提供了丰富的功能来表示和管理数据的索引。 以下是 Index 对象的一些关键特性和用途: 唯一标识:Index 对象为数据提供唯一的标识符,这对于数据的选择和操作至关重要。 标签基础:与基于位置的索引(如 Python 列表的索引)不同,Index 允许基于标签的...
df.columns.name df.index.name df.columns df.index 修改索引名称 # 错误方式,不能单独修改某个索引 df.index[2]='idx5' # 整体修改行索引 idx_list = ['idx1','idx2','idx3'] df.index = idx_list #重设索引。设置下标索引,drop默认为False,不删除原来的索引 df.reset_index(drop=False) df....
既然是数据结构,就必然有数据类型dtype属性,例如数值型、字符串型或时间类型等,其类型绝大多数场合并不是我们关注的主体,但有些时候值得注意,如后文中提到的通过[ ]执行标签切片访问行的过程。此外,index数据结构还有名字属性name(默认为None)、形状属性shape等。
stu.drop('name',axis = 1,inplace = True) #删除行数据,传入行的的索引范围 stu.drop([0,1],inplace = True) #删除行数据,可以自由选择行数 stu.drop(index = [1,3,5],inplace = True) 1. 2. 3. 4. 5. 6. 7. 8. 查看dataframe参数 ...
df.drop(1,axis=0) 2.使用索引删除多行 df.drop([1,2,3],axis=0)与df.drop(index=[1,2,3])等效。 3. 删除某列指定值所在的行 df = df.drop(df[df['columns_name'] == 'USA'].index)# 删除columns_name列中值为USA的行 4. 根据某列条件删除多行的值 ...
name:索引的名称,默认值是Index 举个例子,创建一个整数索引: >>> pd.Index([1, 2, 3]) Int64Index([1, 2, 3], dtype='int64') 索引是一个ndarray对象,元素的类型相同,每一个Index对象,常用的属性有: values:索引的值 array:以数组形式返回索引元素的值 ...