python數(shù)據(jù)處理之如何修改索引和行列
更新時(shí)間：2023年02月20日 16:48:09 作者：B.Bz
這篇文章主要介紹了python數(shù)據(jù)處理之如何修改索引和行列問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
python如何修改索引和行列
修改索引
修改索引之前是自動(dòng)生成的索引：
使用set_index('以xx字段為索引',inplace=True)設(shè)置索引：
inplace為True不用給新變量賦值，使用舊的變量名發(fā)現(xiàn)索引就已經(jīng)被改變
打開文件時(shí)就生成索引：
index_col='以xx字段為索引'
重置索引：
reset_index()
DataFrame修改行名和列名
通過rename方法修改：
提取index和columns屬性修改再賦值：
DataFrame添加、刪除和插入隊(duì)列
添加：
movie = pd.read_csv('../data/movie.csv')
# 添加新列，并賦值 DataFrame['新列名'] = (值)
movie['new_name'] = (movie['movie_title'] + '----'+ movie['country'])
刪除：
# 刪除列
movie = movie.drop('new_name',axis='columns')
# 刪除行
movie = movie.drop('索引',axis='index')
插入：
DataFrame.insert(loc='下標(biāo)',column='列名',value='值')
python索引設(shè)置
在Python中如果沒有原始索引，會(huì)默認(rèn)從0開始的自然數(shù)作為索引。
給df表傳入索引
#傳入列宿索引 df.columns = ["name","age","grade","height","time"] #傳入行索引 df.inex = [1,2,3,4,5,6] #傳入的行列索引必須與行列數(shù)相同，否則報(bào)錯(cuò)
df中重置行索引
df.set_index("age")
#講age列當(dāng)做行索引，可傳入多列，形成層次化索引
reset_index(level = None,drop = False,inplace = False) ? #將層次化索引重置
level:指定要講層次化索引的第幾級(jí)別轉(zhuǎn)化為columns,默認(rèn)全部轉(zhuǎn)化
drop:指定是否闡述原索引，默認(rèn)為False
inplace：指定是否修改原數(shù)據(jù)表，默認(rèn)為False
#reset_index常用于數(shù)據(jù)分組及透視表中重命名索引
#重命名列索引，以字典的形式傳入原列名和新列名
df.rename(columns = {"old":"new","age":"new_age"})
#重命名行索引，與上同
df.rename(index = {})
#行列索引同時(shí)修改
df.rename(columns = {},index = {})總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Windows上配置Emacs來(lái)開發(fā)Python及用Python擴(kuò)展Emacs
這篇文章主要介紹了Windows上配置Emacs來(lái)開發(fā)Python及用Python擴(kuò)展Emacs的方法,Emacs與Vim并稱為開發(fā)者手中最強(qiáng)大的兩款文本編輯器,需要的朋友可以參考下2015-11-11
這篇文章主要介紹了python性能測(cè)量工具cProfile使用解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
使用python如何實(shí)現(xiàn)泛型函數(shù)
這篇文章主要介紹了使用python如何實(shí)現(xiàn)泛型函數(shù)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-09-09
這篇文章主要介紹了Python?變量類型實(shí)例詳解，基于變量的數(shù)據(jù)類型，解釋器會(huì)分配指定內(nèi)存，并決定什么數(shù)據(jù)可以被存儲(chǔ)在內(nèi)存中，接下來(lái)更多詳細(xì)內(nèi)容需要的小伙伴可以參考下面文章，希望對(duì)你有所幫助2022-02-02
這篇文章主要介紹了詳解在Python和IPython中使用Docker,Docker是一個(gè)吸引人的新系統(tǒng),可以用來(lái)建立有趣的新技術(shù)應(yīng)用,特別是云服務(wù)相關(guān)的,需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇Python 腳本的三種執(zhí)行方式小結(jié)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2019-12-12
python3解析庫(kù)BeautifulSoup4的安裝配置與基本用法
簡(jiǎn)單來(lái)說，BeautifulSoup就是Python的一個(gè)HTML或XML的解析庫(kù)，我們可以用它來(lái)方便地從網(wǎng)頁(yè)中提取數(shù)據(jù)，下面這篇文章主要給大家介紹了關(guān)于python3解析庫(kù)BeautifulSoup4的安裝配置與基本用法的相關(guān)資料，需要的朋友可以參考下2018-06-06
Python自動(dòng)創(chuàng)建Markdown表格使用實(shí)例探究
Markdown表格是文檔中整理和展示數(shù)據(jù)的重要方式之一,然而,手動(dòng)編寫大型表格可能會(huì)費(fèi)時(shí)且容易出錯(cuò),本文將介紹如何使用Python自動(dòng)創(chuàng)建Markdown表格,通過示例代碼詳細(xì)展示各種場(chǎng)景下的創(chuàng)建方法,提高表格生成的效率2024-01-01
這篇文章主要介紹了python 使用while寫猜年齡小游戲過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-10-10
django model 條件過濾 queryset.filter(**condtions)用法詳解
這篇文章主要介紹了django model 條件過濾 queryset.filter(**condtions)用法詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2020-05-05