数据分析与可视化 课件 3.3数据变更

数据变更1.Series数据变更2.DataFrame数据变更1.Series数据变更(1)修改更改Series中的数据，原理是将这部分数据提取出来，重新赋值为新的数据。需要注意的是，数据更改如果直接针对Series原数据更改，操作无法撤销，如果做出更改，需要对更改条件做确认或对数据进行备份。1.Series数据变更①索引修改。运行结果：修改数值后的Series：a-1b2c-1d4e-1dtype:int64修改数据类型后的Series：a-1.0b2.0c-1.0d4.0e-1.0dtype:float64示例：使用索引修改Series对象中的数据。代码：ser=pd.Series(data=[1,2,3,4,5],

index=['a','b','c','d','e'])

ser[[0,2,4]]=-1

print('修改数值后的Series：\n%s'%ser)

ser=ser.astype(np.float64)

print('修改数据类型后的Series：\n%s'%ser)1.Series数据变更②update函数update函数使用传递的Series对象中的非NA值在适当位置修改Series。该函数按索引对齐。语法规则如下所示：Series.update(other:Series|Sequence|Mapping)other为Series对象或可以强制转换为Series的对象，可以按照数据的顺序更新，也可以按照index标签进行更新。update函数无返回值，直接修改原始数据。1.Series数据变更运行结果：根据Series对象的顺序修改：041526dtype:int64根据列表的顺序修改：041226dtype:int64根据索引修改：0d1b2edtype:object示例：使用update函数修改Series对象中的数据。代码：ser1=pd.Series([1,2,3])ser1.update(pd.Series([4,5,6]))print('根据Series对象的顺序修改：\n%s'%ser1)ser2=pd.Series([1,2,3])ser2.update([4,np.nan,6])print('根据列表的顺序修改(np.nan忽略)：\n%s'%ser3)ser3=pd.Series(['a','b','c'])ser3.update(pd.Series(['d','e'],index=[0,2]))print('根据索引修改：\n%s'%ser4)1.Series数据变更(2)添加①Series['new_index']=value。直接在原来的Series上进行修改，并且每次只能够添加一个Series值。②Series.loc['new_index']=value。直接在原来的Series上进行修改，并且每次只能够添加一个Series值。③Series._append(to_append,ignore_index:bool=False,verify_integrity:bool=False)。将to_append对应的Series、列表或元组添加到Series对象末尾，默认不忽略添加对象的index、不进行验证完整性。返回一个新的Series对象。1.Series数据变更运行结果：011223a4b5c6dtype:int64011223F8dtype:int64011223F8H10dtype:int64示例：向Series对象中添加数据。代码：ser1=pd.Series([1,2,3])

ser2=ser1._append(pd.Series(data=[4,5,6],

index=['a','b','c']))

print(ser2)

ser1['F']=8

print(ser1)

ser1.loc['H']=10

print(ser1)1.Series数据变更(3)删除①使用del关键词删除Series对象指定数据，删除操作作用到原始数据。②Series.drop(labels:IndexLabel|None=None,*,axis:Axis=0,index:IndexLabel|None=None,columns:IndexLabel|None=None,level:Level|None=None,inplace:bool=False,errors:IgnoreRaise="raise")->Series|None，返回一个新的Series对象，删除结果不作用到原始数据，常用于根据index删除Series对象的指定数据。1.Series数据变更运行结果：b2c3d4e5dtype:int64b2c3d4e5dtype:int64b2c3dtype:int64示例：从Series对象中删除数据。代码：ser1=pd.Series(data=[1,2,3,4,5],

index=['a','b','c','d','e'])

delser1['a']

print(ser1)

ser2=ser1.drop(index=['d','e'])

print(ser1)

print(ser2)2.DataFrame数据变更(1)修改更改DataFrame中的数据，原理是将这部分数据提取出来，重新赋值为新的数据。需要注意的是，数据更改直接针对DataFrame原数据更改，操作无法撤销，如果做出更改，需要对更改条件做确认或对数据进行备份。常使用DataFrame.loc[]或DataFrame.iloc[]提取数据并修改，可以将提取的数据修改为某个值，也可以按照提取的数据位置进行修改。2.DataFrame数据变更(2)添加——添加列①新建索引添加列DataFrame添加一列只需要新建一个列索引。并对该索引下的数据进行赋值操作即可。新增的一列值是相同的则直接赋值一个常量即可。DataFrame[new_column]=valueDataFrame[new_column]=NewSeries2.DataFrame数据变更(2)添加——添加列②insert函数insert函数用来在指定的column位置插入新的列，语法规则如下：

DataFrame.insert(loc:int,column:Hashable,value:Scalar|AnyArrayLike,allow_duplicates:bool|lib.NoDefault=lib.no_default)->None2.DataFrame数据变更运行结果：新建索引添加列：

onetwothreenewa1230.333333b4560.666667c7890.777778d1011120.833333insert函数添加列：

idonetwothreenewa11230.333333b14560.666667c17890.777778d11011120.833333示例：使用insert函数向DataFrame插入列。代码：df=pd.DataFrame(data=[[1,2,3],[4,5,6],[7,8,9],[10,11,12]],

index=['a','b','c','d'],

columns=['one','two','three'])

df['new']=df['one']/df['three']

print('新建索引添加列：\n%s'%df)

df.insert(loc=0,column='id',value=1)

print('insert函数添加列：\n%s'%df)2.DataFrame数据变更(2)添加——添加行DataFrame._append(other,ignore_index:bool=False,verify_integrity:bool=False,sort:bool=False)->DataFrame将other对应的DataFrame对象添加到最后一行后面，默认不忽略添加对象的index、不进行验证完整性、不排序。返回一个新的DataFrame对象，原始数据不发生变化。2.DataFrame数据变更(3)删除删除某列或某行数据需要用到Pandas提供的drop函数，drop函数的用法如下：DataFrame.drop(labels:IndexLabel=None,*,axis:Axis=0,index:IndexLabel=None,columns:IndexLabel=None,level:Level=None,inplace:bool=False,errors:IgnoreRaise="raise")->DataFrame|None2.DataFrame数据变更运行结果：删除列two后的数据为：

onethreea13b46c79d1012删除a、c行后的数据为：

onethreeb46d1012示例：使用drop函数删除DataFrame行或列。代码：df=pd.DataFrame(data=[[1,2,3],[4,5,6],[7,8,9],[10,11,12]],

index=['a','b','c','d'],