与电子表格的比较#
由于许多潜在的 pandas 用户对 Excel 等电子表格程序有一定的了解，因此本页旨在提供一些关于如何使用 pandas 执行各种电子表格操作的示例。本页将使用 Excel 的术语并链接到 Excel 的文档，但在 Google Sheets、LibreOffice Calc、Apple Numbers 和其他与 Excel 兼容的电子表格软件中，许多内容将是相同或类似的。
如果您是 pandas 的新手，您可能需要先阅读 10 分钟快速上手 pandas，以便熟悉该库。
按照惯例，我们导入 pandas 和 NumPy，如下所示
In [1]: import pandas as pd
In [2]: import numpy as np
数据结构#
通用术语翻译#
pandas |
Excel |
|---|---|
|
工作表 |
|
列 |
|
行标题 |
行 |
行 |
|
空单元格 |
DataFrame#
pandas 中的 DataFrame 类似于 Excel 工作表。虽然 Excel 工作簿可以包含多个工作表，但 pandas DataFrame 是独立存在的。
Series#
Series 是表示 DataFrame 中一列的数据结构。使用 Series 类似于引用电子表格的一列。
Index#
每个 DataFrame 和 Series 都有一个 Index，它是数据行上的标签。在 pandas 中，如果没有指定索引，默认情况下会使用 RangeIndex（第一行 = 0，第二行 = 1，依此类推），类似于电子表格中的行标题/编号。
在 pandas 中，索引可以设置为一个（或多个）唯一值，这就像有一个用作工作表中行标识符的列。与大多数电子表格不同，这些 Index 值实际上可以用来引用行。（请注意，这可以通过 Excel 中的结构化引用来实现。）例如，在电子表格中，您将引用第一行作为 A1:Z1，而在 pandas 中，您可以使用 populations.loc['Chicago']。
索引值也是持久的，因此，如果您重新排序 DataFrame 中的行，特定行的标签不会改变。
有关如何有效地使用 Index 的更多信息，请参阅 索引文档。
复制与就地操作#
大多数 pandas 操作返回 Series/DataFrame 的副本。要使更改“生效”，您需要将其分配给一个新变量
sorted_df = df.sort_values("col1")
或覆盖原始变量
df = df.sort_values("col1")
注意
您将看到一些方法中可用的 inplace=True 或 copy=False 关键字参数
df.replace(5, inplace=True)
关于弃用和删除大多数方法（例如 dropna）中的 inplace 和 copy，并仅保留一小部分方法（包括 replace）的讨论正在进行中。在 Copy-on-Write 的背景下，这两个关键字将不再需要。该提案可以在 这里 找到。
数据输入/输出#
从值构造 DataFrame#
在电子表格中，可以直接在单元格中输入值。
pandas DataFrame 可以通过多种方式构造，但对于少量值，通常将它指定为 Python 字典比较方便，其中键是列名，值是数据。
In [3]: df = pd.DataFrame({"x": [1, 3, 5], "y": [2, 4, 6]})
In [4]: df
Out[4]:
x y
0 1 2
1 3 4
2 5 6
读取外部数据#
无论是 Excel 还是 pandas 都可以从各种来源以各种格式导入数据。
CSV#
让我们加载并显示来自 pandas 测试的 tips 数据集，它是一个 CSV 文件。在 Excel 中，您需要下载然后 打开 CSV。在 pandas 中，您将 CSV 文件的 URL 或本地路径传递给 read_csv()
In [5]: url = (
...: "https://raw.githubusercontent.com/pandas-dev"
...: "/pandas/main/pandas/tests/io/data/csv/tips.csv"
...: )
...:
In [6]: tips = pd.read_csv(url)
In [7]: tips
Out[7]:
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
.. ... ... ... ... ... ... ...
239 29.03 5.92 Male No Sat Dinner 3
240 27.18 2.00 Female Yes Sat Dinner 2
241 22.67 2.00 Male Yes Sat Dinner 2
242 17.82 1.75 Male No Sat Dinner 2
243 18.78 3.00 Female No Thur Dinner 2
[244 rows x 7 columns]
类似于 Excel 的文本导入向导，read_csv 可以接受多个参数来指定如何解析数据。例如，如果数据是用制表符分隔的，并且没有列名，则 pandas 命令将是
tips = pd.read_csv("tips.csv", sep="\t", header=None)
# alternatively, read_table is an alias to read_csv with tab delimiter
tips = pd.read_table("tips.csv", header=None)
Excel 文件#
Excel 通过双击打开 各种 Excel 文件格式，或者使用 打开菜单。在 pandas 中，您使用 专门的方法来读取和写入 Excel 文件.
让我们首先 创建一个新的 Excel 文件，基于上面示例中的 tips 数据框
tips.to_excel("./tips.xlsx")
如果您希望随后访问 tips.xlsx 文件中的数据，您可以使用以下方法将其读入您的模块
tips_df = pd.read_excel("./tips.xlsx", index_col=0)
您刚刚使用 pandas 读取了一个 Excel 文件！
限制输出#
电子表格程序一次只会显示一屏数据，然后允许您滚动，因此实际上没有必要限制输出。在 pandas 中，您需要多花点心思来控制 DataFrame 的显示方式。
默认情况下，pandas 会截断大型 DataFrame 的输出，以显示第一行和最后一行。这可以通过 更改 pandas 选项 来覆盖，或者使用 DataFrame.head() 或 DataFrame.tail().
In [8]: tips.head(5)
Out[8]:
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
导出数据#
默认情况下，桌面电子表格软件会保存到其各自的文件格式（.xlsx、.ods 等）。但是，您可以保存到其他文件格式。
数据操作#
对列的操作#
在电子表格中，公式 通常在单个单元格中创建，然后拖动 到其他单元格以计算其他列。在 pandas 中，您可以直接对整个列进行操作。
pandas 通过指定 DataFrame 中的各个 Series 提供向量化操作。新列可以以相同的方式分配。 DataFrame.drop() 方法从 DataFrame 中删除一列。
In [9]: tips["total_bill"] = tips["total_bill"] - 2
In [10]: tips["new_bill"] = tips["total_bill"] / 2
In [11]: tips
Out[11]:
total_bill tip sex smoker day time size new_bill
0 14.99 1.01 Female No Sun Dinner 2 7.495
1 8.34 1.66 Male No Sun Dinner 3 4.170
2 19.01 3.50 Male No Sun Dinner 3 9.505
3 21.68 3.31 Male No Sun Dinner 2 10.840
4 22.59 3.61 Female No Sun Dinner 4 11.295
.. ... ... ... ... ... ... ... ...
239 27.03 5.92 Male No Sat Dinner 3 13.515
240 25.18 2.00 Female Yes Sat Dinner 2 12.590
241 20.67 2.00 Male Yes Sat Dinner 2 10.335
242 15.82 1.75 Male No Sat Dinner 2 7.910
243 16.78 3.00 Female No Thur Dinner 2 8.390
[244 rows x 8 columns]
In [12]: tips = tips.drop("new_bill", axis=1)
请注意，我们不必告诉它逐个单元格地进行减法——pandas 会为我们处理。请参阅如何创建从现有列派生的新列。
过滤#
DataFrame 可以通过多种方式进行过滤；其中最直观的是使用布尔索引。
In [13]: tips[tips["total_bill"] > 10]
Out[13]:
total_bill tip sex smoker day time size
0 14.99 1.01 Female No Sun Dinner 2
2 19.01 3.50 Male No Sun Dinner 3
3 21.68 3.31 Male No Sun Dinner 2
4 22.59 3.61 Female No Sun Dinner 4
5 23.29 4.71 Male No Sun Dinner 4
.. ... ... ... ... ... ... ...
239 27.03 5.92 Male No Sat Dinner 3
240 25.18 2.00 Female Yes Sat Dinner 2
241 20.67 2.00 Male Yes Sat Dinner 2
242 15.82 1.75 Male No Sat Dinner 2
243 16.78 3.00 Female No Thur Dinner 2
[204 rows x 7 columns]
上面的语句只是将一个 True/False 对象的 Series 传递给 DataFrame，返回所有 True 的行。
In [14]: is_dinner = tips["time"] == "Dinner"
In [15]: is_dinner
Out[15]:
0 True
1 True
2 True
3 True
4 True
...
239 True
240 True
241 True
242 True
243 True
Name: time, Length: 244, dtype: bool
In [16]: is_dinner.value_counts()
Out[16]:
time
True 176
False 68
Name: count, dtype: int64
In [17]: tips[is_dinner]
Out[17]:
total_bill tip sex smoker day time size
0 14.99 1.01 Female No Sun Dinner 2
1 8.34 1.66 Male No Sun Dinner 3
2 19.01 3.50 Male No Sun Dinner 3
3 21.68 3.31 Male No Sun Dinner 2
4 22.59 3.61 Female No Sun Dinner 4
.. ... ... ... ... ... ... ...
239 27.03 5.92 Male No Sat Dinner 3
240 25.18 2.00 Female Yes Sat Dinner 2
241 20.67 2.00 Male Yes Sat Dinner 2
242 15.82 1.75 Male No Sat Dinner 2
243 16.78 3.00 Female No Thur Dinner 2
[176 rows x 7 columns]
If/then 逻辑#
假设我们想要创建一个名为 bucket 的列，其值根据 total_bill 是否小于或大于 10 美元来确定，分别为 low 和 high。
在电子表格中，可以使用 条件公式 进行逻辑比较。我们可以使用公式 =IF(A2 < 10, "low", "high")，并将它拖动到新 bucket 列中的所有单元格。
在 pandas 中，可以使用 numpy 的 where 方法来完成相同的操作。
In [18]: tips["bucket"] = np.where(tips["total_bill"] < 10, "low", "high")
In [19]: tips
Out[19]:
total_bill tip sex smoker day time size bucket
0 14.99 1.01 Female No Sun Dinner 2 high
1 8.34 1.66 Male No Sun Dinner 3 low
2 19.01 3.50 Male No Sun Dinner 3 high
3 21.68 3.31 Male No Sun Dinner 2 high
4 22.59 3.61 Female No Sun Dinner 4 high
.. ... ... ... ... ... ... ... ...
239 27.03 5.92 Male No Sat Dinner 3 high
240 25.18 2.00 Female Yes Sat Dinner 2 high
241 20.67 2.00 Male Yes Sat Dinner 2 high
242 15.82 1.75 Male No Sat Dinner 2 high
243 16.78 3.00 Female No Thur Dinner 2 high
[244 rows x 8 columns]
日期功能#
本节将引用“日期”，但时间戳的处理方式类似。
我们可以将日期功能分为两个部分：解析和输出。在电子表格中，日期值通常会自动解析，但如果你需要，可以使用 DATEVALUE 函数。在 pandas 中，你需要显式地将纯文本转换为日期时间对象，无论是 从 CSV 文件读取时 还是 在 DataFrame 中。
解析后，电子表格会以默认格式显示日期，但可以 更改格式。在 pandas 中，你通常希望在进行日期计算时将日期保留为 datetime 对象。输出日期的部分（例如年份）在电子表格中使用 日期函数，在 pandas 中使用 日期时间属性。
假设在电子表格的 A 列和 B 列中分别有 date1 和 date2，你可能需要以下公式
列 |
公式 |
|---|---|
|
|
|
|
|
|
|
|
下面展示了等效的 pandas 操作。
In [20]: tips["date1"] = pd.Timestamp("2013-01-15")
In [21]: tips["date2"] = pd.Timestamp("2015-02-15")
In [22]: tips["date1_year"] = tips["date1"].dt.year
In [23]: tips["date2_month"] = tips["date2"].dt.month
In [24]: tips["date1_next"] = tips["date1"] + pd.offsets.MonthBegin()
In [25]: tips["months_between"] = tips["date2"].dt.to_period("M") - tips[
....: "date1"
....: ].dt.to_period("M")
....:
In [26]: tips[
....: ["date1", "date2", "date1_year", "date2_month", "date1_next", "months_between"]
....: ]
....:
Out[26]:
date1 date2 date1_year date2_month date1_next months_between
0 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
1 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
2 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
3 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
4 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
.. ... ... ... ... ... ...
239 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
240 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
241 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
242 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
243 2013-01-15 2015-02-15 2013 2 2013-02-01 <25 * MonthEnds>
[244 rows x 6 columns]
更多详情请参考 时间序列/日期功能。
选择列#
在电子表格中，你可以通过以下方式选择所需的列：
由于电子表格的列通常 在标题行中命名，因此重命名列只需更改该第一单元格中的文本即可。
下面展示了在 pandas 中表达相同操作的方法。
保留某些列#
In [27]: tips[["sex", "total_bill", "tip"]]
Out[27]:
sex total_bill tip
0 Female 14.99 1.01
1 Male 8.34 1.66
2 Male 19.01 3.50
3 Male 21.68 3.31
4 Female 22.59 3.61
.. ... ... ...
239 Male 27.03 5.92
240 Female 25.18 2.00
241 Male 20.67 2.00
242 Male 15.82 1.75
243 Female 16.78 3.00
[244 rows x 3 columns]
删除列#
In [28]: tips.drop("sex", axis=1)
Out[28]:
total_bill tip smoker day time size
0 14.99 1.01 No Sun Dinner 2
1 8.34 1.66 No Sun Dinner 3
2 19.01 3.50 No Sun Dinner 3
3 21.68 3.31 No Sun Dinner 2
4 22.59 3.61 No Sun Dinner 4
.. ... ... ... ... ... ...
239 27.03 5.92 No Sat Dinner 3
240 25.18 2.00 Yes Sat Dinner 2
241 20.67 2.00 Yes Sat Dinner 2
242 15.82 1.75 No Sat Dinner 2
243 16.78 3.00 No Thur Dinner 2
[244 rows x 6 columns]
重命名列#
In [29]: tips.rename(columns={"total_bill": "total_bill_2"})
Out[29]:
total_bill_2 tip sex smoker day time size
0 14.99 1.01 Female No Sun Dinner 2
1 8.34 1.66 Male No Sun Dinner 3
2 19.01 3.50 Male No Sun Dinner 3
3 21.68 3.31 Male No Sun Dinner 2
4 22.59 3.61 Female No Sun Dinner 4
.. ... ... ... ... ... ... ...
239 27.03 5.92 Male No Sat Dinner 3
240 25.18 2.00 Female Yes Sat Dinner 2
241 20.67 2.00 Male Yes Sat Dinner 2
242 15.82 1.75 Male No Sat Dinner 2
243 16.78 3.00 Female No Thur Dinner 2
[244 rows x 7 columns]
按值排序#
电子表格中的排序是通过 排序对话框 完成的。
pandas 有一个 DataFrame.sort_values() 方法，它接受一个要排序的列列表。
In [30]: tips = tips.sort_values(["sex", "total_bill"])
In [31]: tips
Out[31]:
total_bill tip sex smoker day time size
67 1.07 1.00 Female Yes Sat Dinner 1
92 3.75 1.00 Female Yes Fri Dinner 2
111 5.25 1.00 Female No Sat Dinner 1
145 6.35 1.50 Female No Thur Lunch 2
135 6.51 1.25 Female No Thur Lunch 2
.. ... ... ... ... ... ... ...
182 43.35 3.50 Male Yes Sun Dinner 3
156 46.17 5.00 Male No Sun Dinner 6
59 46.27 6.73 Male No Sat Dinner 4
212 46.33 9.00 Male No Sat Dinner 4
170 48.81 10.00 Male Yes Sat Dinner 3
[244 rows x 7 columns]
字符串处理#
查找字符串长度#
在电子表格中，可以使用 LEN 函数查找文本中的字符数。这可以与 TRIM 函数一起使用以删除多余的空格。
=LEN(TRIM(A2))
您可以使用 Series.str.len() 查找字符字符串的长度。在 Python 3 中，所有字符串都是 Unicode 字符串。 len 包括尾随空格。使用 len 和 rstrip 来排除尾随空格。
In [32]: tips["time"].str.len()
Out[32]:
67 6
92 6
111 6
145 5
135 5
..
182 6
156 6
59 6
212 6
170 6
Name: time, Length: 244, dtype: int64
In [33]: tips["time"].str.rstrip().str.len()
Out[33]:
67 6
92 6
111 6
145 5
135 5
..
182 6
156 6
59 6
212 6
170 6
Name: time, Length: 244, dtype: int64
请注意，这仍然包括字符串中的多个空格，因此与 100% 不等效。
查找子字符串的位置#
电子表格函数 FIND 返回子字符串的位置，第一个字符为 1。
您可以使用 Series.str.find() 方法查找字符串列中字符的位置。 find 搜索子字符串的第一个位置。如果找到子字符串，该方法将返回其位置。如果未找到，它将返回 -1。请记住，Python 索引是从零开始的。
In [34]: tips["sex"].str.find("ale")
Out[34]:
67 3
92 3
111 3
145 3
135 3
..
182 1
156 1
59 1
212 1
170 1
Name: sex, Length: 244, dtype: int64
按位置提取子字符串#
电子表格有一个 MID 公式，用于从给定位置提取子字符串。要获取第一个字符
=MID(A2,1,1)
使用 pandas，你可以使用 [] 符号通过位置来提取字符串的子字符串。请记住，Python 的索引从零开始。
In [35]: tips["sex"].str[0:1]
Out[35]:
67 F
92 F
111 F
145 F
135 F
..
182 M
156 M
59 M
212 M
170 M
Name: sex, Length: 244, dtype: object
提取第 n 个单词#
在 Excel 中，你可能会使用 文本到列向导 来分割文本并检索特定列。（注意 也可以通过公式来实现。）
在 pandas 中提取单词最简单的方法是按空格分割字符串，然后通过索引引用单词。请注意，如果你需要，还有更强大的方法。
In [36]: firstlast = pd.DataFrame({"String": ["John Smith", "Jane Cook"]})
In [37]: firstlast["First_Name"] = firstlast["String"].str.split(" ", expand=True)[0]
In [38]: firstlast["Last_Name"] = firstlast["String"].str.rsplit(" ", expand=True)[1]
In [39]: firstlast
Out[39]:
String First_Name Last_Name
0 John Smith John Smith
1 Jane Cook Jane Cook
更改大小写#
电子表格提供 UPPER、LOWER 和 PROPER 函数，分别用于将文本转换为大写、小写和首字母大写。
等效的 pandas 方法是 Series.str.upper()、Series.str.lower() 和 Series.str.title()。
In [40]: firstlast = pd.DataFrame({"string": ["John Smith", "Jane Cook"]})
In [41]: firstlast["upper"] = firstlast["string"].str.upper()
In [42]: firstlast["lower"] = firstlast["string"].str.lower()
In [43]: firstlast["title"] = firstlast["string"].str.title()
In [44]: firstlast
Out[44]:
string upper lower title
0 John Smith JOHN SMITH john smith John Smith
1 Jane Cook JANE COOK jane cook Jane Cook
合并#
以下表格将用于合并示例
In [45]: df1 = pd.DataFrame({"key": ["A", "B", "C", "D"], "value": np.random.randn(4)})
In [46]: df1
Out[46]:
key value
0 A 0.469112
1 B -0.282863
2 C -1.509059
3 D -1.135632
In [47]: df2 = pd.DataFrame({"key": ["B", "D", "D", "E"], "value": np.random.randn(4)})
In [48]: df2
Out[48]:
key value
0 B 1.212112
1 D -0.173215
2 D 0.119209
3 E -1.044236
在 Excel 中，可以通过 VLOOKUP 来合并表格。
pandas DataFrame 有一个 merge() 方法，它提供了类似的功能。数据不需要提前排序，不同的连接类型可以通过 how 关键字来实现。
In [49]: inner_join = df1.merge(df2, on=["key"], how="inner")
In [50]: inner_join
Out[50]:
key value_x value_y
0 B -0.282863 1.212112
1 D -1.135632 -0.173215
2 D -1.135632 0.119209
In [51]: left_join = df1.merge(df2, on=["key"], how="left")
In [52]: left_join
Out[52]:
key value_x value_y
0 A 0.469112 NaN
1 B -0.282863 1.212112
2 C -1.509059 NaN
3 D -1.135632 -0.173215
4 D -1.135632 0.119209
In [53]: right_join = df1.merge(df2, on=["key"], how="right")
In [54]: right_join
Out[54]:
key value_x value_y
0 B -0.282863 1.212112
1 D -1.135632 -0.173215
2 D -1.135632 0.119209
3 E NaN -1.044236
In [55]: outer_join = df1.merge(df2, on=["key"], how="outer")
In [56]: outer_join
Out[56]:
key value_x value_y
0 A 0.469112 NaN
1 B -0.282863 1.212112
2 C -1.509059 NaN
3 D -1.135632 -0.173215
4 D -1.135632 0.119209
5 E NaN -1.044236
merge 比 VLOOKUP 有很多优势
查找值不需要是查找表的第一列
如果匹配到多行，将为每个匹配项生成一行，而不是只生成第一行。
它将包含查找表中的所有列，而不是只包含一个指定的列。
它支持 更复杂的联接操作
其他注意事项#
填充柄#
在特定单元格集中创建一系列遵循特定模式的数字。在电子表格中，这可以通过在输入第一个数字后按 Shift+拖动来完成，或者通过输入前两个或三个值然后拖动来完成。
这可以通过创建序列并将其分配给所需单元格来实现。
In [57]: df = pd.DataFrame({"AAA": [1] * 8, "BBB": list(range(0, 8))})
In [58]: df
Out[58]:
AAA BBB
0 1 0
1 1 1
2 1 2
3 1 3
4 1 4
5 1 5
6 1 6
7 1 7
In [59]: series = list(range(1, 5))
In [60]: series
Out[60]: [1, 2, 3, 4]
In [61]: df.loc[2:5, "AAA"] = series
In [62]: df
Out[62]:
AAA BBB
0 1 0
1 1 1
2 1 2
3 2 3
4 3 4
5 4 5
6 1 6
7 1 7
删除重复项#
Excel 具有用于 删除重复值 的内置功能。这在 pandas 中通过 drop_duplicates() 支持。
In [63]: df = pd.DataFrame(
....: {
....: "class": ["A", "A", "A", "B", "C", "D"],
....: "student_count": [42, 35, 42, 50, 47, 45],
....: "all_pass": ["Yes", "Yes", "Yes", "No", "No", "Yes"],
....: }
....: )
....:
In [64]: df.drop_duplicates()
Out[64]:
class student_count all_pass
0 A 42 Yes
1 A 35 Yes
3 B 50 No
4 C 47 No
5 D 45 Yes
In [65]: df.drop_duplicates(["class", "student_count"])
Out[65]:
class student_count all_pass
0 A 42 Yes
1 A 35 Yes
3 B 50 No
4 C 47 No
5 D 45 Yes
数据透视表#
数据透视表 可以通过 重塑和数据透视表 在 pandas 中复制。再次使用 tips 数据集，让我们找到按聚会人数和服务员性别划分的平均小费。
在 Excel 中，我们使用以下配置来创建数据透视表
在 pandas 中的等效代码
In [66]: pd.pivot_table(
....: tips, values="tip", index=["size"], columns=["sex"], aggfunc=np.average
....: )
....:
Out[66]:
sex Female Male
size
1 1.276667 1.920000
2 2.528448 2.614184
3 3.250000 3.476667
4 4.021111 4.172143
5 5.140000 3.750000
6 4.600000 5.850000
添加一行#
假设我们使用的是 RangeIndex（编号为 0、1 等），我们可以使用 concat() 将一行添加到 DataFrame 的底部。
In [67]: df
Out[67]:
class student_count all_pass
0 A 42 Yes
1 A 35 Yes
2 A 42 Yes
3 B 50 No
4 C 47 No
5 D 45 Yes
In [68]: new_row = pd.DataFrame([["E", 51, True]],
....: columns=["class", "student_count", "all_pass"])
....:
In [69]: pd.concat([df, new_row])
Out[69]:
class student_count all_pass
0 A 42 Yes
1 A 35 Yes
2 A 42 Yes
3 B 50 No
4 C 47 No
5 D 45 Yes
0 E 51 True
查找和替换#
Excel 的查找对话框 会逐个带您找到匹配的单元格。在 pandas 中，此操作通常一次性针对整个列或 DataFrame 完成，通过 条件表达式。
In [70]: tips
Out[70]:
total_bill tip sex smoker day time size
67 1.07 1.00 Female Yes Sat Dinner 1
92 3.75 1.00 Female Yes Fri Dinner 2
111 5.25 1.00 Female No Sat Dinner 1
145 6.35 1.50 Female No Thur Lunch 2
135 6.51 1.25 Female No Thur Lunch 2
.. ... ... ... ... ... ... ...
182 43.35 3.50 Male Yes Sun Dinner 3
156 46.17 5.00 Male No Sun Dinner 6
59 46.27 6.73 Male No Sat Dinner 4
212 46.33 9.00 Male No Sat Dinner 4
170 48.81 10.00 Male Yes Sat Dinner 3
[244 rows x 7 columns]
In [71]: tips == "Sun"
Out[71]:
total_bill tip sex smoker day time size
67 False False False False False False False
92 False False False False False False False
111 False False False False False False False
145 False False False False False False False
135 False False False False False False False
.. ... ... ... ... ... ... ...
182 False False False False True False False
156 False False False False True False False
59 False False False False False False False
212 False False False False False False False
170 False False False False False False False
[244 rows x 7 columns]
In [72]: tips["day"].str.contains("S")
Out[72]:
67 True
92 False
111 True
145 False
135 False
...
182 True
156 True
59 True
212 True
170 True
Name: day, Length: 244, dtype: bool
pandas 的 replace() 可与 Excel 的 Replace All 相比。
In [73]: tips.replace("Thu", "Thursday")
Out[73]:
total_bill tip sex smoker day time size
67 1.07 1.00 Female Yes Sat Dinner 1
92 3.75 1.00 Female Yes Fri Dinner 2
111 5.25 1.00 Female No Sat Dinner 1
145 6.35 1.50 Female No Thur Lunch 2
135 6.51 1.25 Female No Thur Lunch 2
.. ... ... ... ... ... ... ...
182 43.35 3.50 Male Yes Sun Dinner 3
156 46.17 5.00 Male No Sun Dinner 6
59 46.27 6.73 Male No Sat Dinner 4
212 46.33 9.00 Male No Sat Dinner 4
170 48.81 10.00 Male Yes Sat Dinner 3
[244 rows x 7 columns]