对于列中的行 pandas - Python

在 Pandas 中，列可以被认为是一个数据框（DataFrame）的“属性”（例如，一个身高的列可以是数据框中包含的一个属性）。而行则是 DataFrame 中的独立行数据。

使用 Pandas，可以轻松地筛选和操作这些行数据。

选择特定的行

要选择数据框中的特定行，可以使用.loc[] 方法。该方法使用多个参数，用于选择想要的行和列。

例如，要选择第一行的所有列，可以使用以下代码：

df.loc[0,:]

选择所有行

如果想要选择整个数据框中的所有行，可以省略.loc[] 中的第一个参数。例如，以下代码将返回数据框中的所有行：

df.loc[:,:]

根据条件选择行

使用.loc[] 方法也可以将特定条件的行筛选出来。例如，以下代码将选出‘age’列等于 18 的所有行：

df.loc[df['age'] == 18,:]

修改特定行中的值

要修改数据框中的特定行中的值，可以使用.at[] 方法。该方法的第一个参数指定要修改的行，第二个参数依次指定要修改的列。例如，以下代码将修改第一行中的 'name' 列的值为 'new_name':

df.at[0,'name'] = 'new_name'

向数据框添加新行

向 Pandas 数据框添加一个新行可以使用.append() 方法。该方法需要传入要添加的行数据。例如，以下代码将向数据框添加一个新行：

df = df.append({'name':'new_name', 'age':25}, ignore_index=True)

ignore_index 参数将确保新行的索引值是唯一的。

删除行

要删除 Pandas 数据框中的行，可以使用.drop() 方法。该方法需要指定要删除的行的索引值，并设置axis参数为0。例如，以下代码将删除索引值为 0 的行：

df = df.drop(0, axis=0)

以上就是关于在 Pandas 中处理行数据的基础知识。Pandas 的强大功能可以轻松地处理任何大小的数据集。