Pandas DataFrame 增删改查、去重与抽样完整指南
本文系统介绍Pandas中DataFrame的核心操作方法。涵盖loc、iloc等索引机制，详解行与列的增删改查技巧，包括条件筛选、isin、where及sample抽样。通过具体代码示例演示如何高效处理数据框，适用于Python数据分析初学者与进阶用户。
概述
Pandas库中主要提供三种索引函数：
loc：基于标签的索引，支持通过行名和列名进行访问。
iloc：基于整数位置的索引，表示绝对的第几行第几列，索引从0开始。
ix：作为iloc和loc的综合体（注：新版Pandas中已弃用，建议优先使用loc或iloc）。
at：loc的简化快捷方式，用于快速获取单个标量值。
iat：iloc的简化快捷方式，用于快速获取单个标量值。
首先构建一个测试用的数据框：
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3], 'b': ['a', 'b', 'c'],'c': ["A","B","C"]})
print(df)
a b c
0 1 a A
1 2 b B
2 3 c C
行操作
选取特定的一行数据。
print(df.loc[1,:]) a 2 b b c B Name: 1, dtype: object
选取多行数据。
print(df.loc[1:2,:])#选择1:2行，slice为1 a b c 1 2 b B 2 3 c C print(df.loc[::-1,:])#选择所有行，slice为-1，所以为倒序 a b c 2 3 c C 1 2 b B 0 1 a A print(df.loc[0:2:2,:])#选择0至2行，slice为2，等同于print(df.loc[0:2:2,:])因为只有3行 a b c 0 1 a A 2 3 c C
执行条件筛选操作。
基础条件筛选示例。
print(df.loc[:,"a"]>2)#原理是首先做了一个判断，然后再筛选 0 False 1 False 2 True Name: a, dtype: bool print(df.loc[df.loc[:,"a"]>2,:]) a b c 2 3 c C
此外，条件筛选支持逻辑运算符：| 代表 or，& 代表 and，~ 代表 not。
In [129]: s = pd.Series(range(-3, 4)) In [132]: s[(s < -1) | (s > 0.5)] Out[132]: 0 -3 1 -2 4 1 5 2 6 3 dtype: int64
使用 isin 方法。
在非索引列上使用 isin 进行筛选。
In [141]: s = pd.Series(np.arange(5), index=np.arange(5)[::-1], dtype='int64') In [143]: s.isin([2, 4, 6]) Out[143]: 4 False 3 False 2 True 1 False 0 True dtype: bool In [144]: s[s.isin([2, 4, 6])] Out[144]: 2 2 0 4 dtype: int64
在索引列上使用 isin 进行筛选。
In [145]: s[s.index.isin([2, 4, 6])] Out[145]: 4 0 2 2 dtype: int64 # compare it to the following In [146]: s[[2, 4, 6]] Out[146]: 2 2.0 4 0.0 6 NaN dtype: float64
当涉及多列索引时，可结合 any() 或 all() 使用。
In [151]: df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': ['a', 'b', 'f', 'n'],
.....: 'ids2': ['a', 'n', 'c', 'n']})
.....:
In [156]: values = {'ids': ['a', 'b'], 'ids2': ['a', 'c'], 'vals': [1, 3]}
In [157]: row_mask = df.isin(values).all(1)
In [158]: df[row_mask]
Out[158]:
ids ids2 vals
0 a a 1
使用 where() 方法。
In [1]: dates = pd.date_range('1/1/2000', periods=8)
In [2]: df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])
In [3]: df
Out[3]:
A B C D
2000-01-01 0.469112 -0.282863 -1.509059 -1.135632
2000-01-02 1.212112 -0.173215 0.119209 -1.044236
2000-01-03 -0.861849 -2.104569 -0.494929 1.071804
2000-01-04 0.721555 -0.706771 -1.039575 0.271860
2000-01-05 -0.424972 0.567020 0.276232 -1.087401
2000-01-06 -0.673690 0.113648 -1.478427 0.524988
2000-01-07 0.404705 0.577046 -1.715002 -1.039268
2000-01-08 -0.370647 -1.157892 -1.344312 0.844885
In [162]: df.where(df < 0, -df)
Out[162]:
A B C D
2000-01-01 -2.104139 -1.309525 -0.485855 -0.245166
2000-01-02 -0.352480 -0.390389 -1.192319 -1.655824
2000-01-03 -0.864883 -0.299674 -0.227870 -0.281059
2000-01-04 -0.846958 -1.222082 -0.600705 -1.233203
2000-01-05 -0.669692 -0.605656 -1.169184 -0.342416
2000-01-06 -0.868584 -0.948458 -2.297780 -0.684718
2000-01-07 -2.670153 -0.114722 -0.168904 -0.048048
2000-01-08 -0.801196 -1.392071 -0.048788 -0.808838
DataFrame.where() 与 numpy.where() 存在区别，需注意使用场景。
In [172]: df.where(df < 0, -df) == np.where(df < 0, df, -df)
当在 Series 对象上调用 where() 时，返回结果仍为序列（Series）。
In [141]: s = pd.Series(np.arange(5), index=np.arange(5)[::-1], dtype='int64') In [159]: s[s > 0] Out[159]: 3 1 2 2 1 3 0 4 dtype: int64 In [160]: s.where(s > 0) Out[160]: 4 NaN 3 1.0 2 2.0 1 3.0 0 4.0 dtype: float64
执行随机抽样筛选。
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
若进行加权筛选，未指定权重的列默认权重为0；若权重总和不为1，系统会自动将每个权重除以总和进行归一化。可通过 random_state 参数设置随机种子（seed）。此外，axis 参数可用于指定对列进行随机抽样。
In [105]: df2 = pd.DataFrame({'col1':[9,8,7,6], 'weight_column':[0.5, 0.4, 0.1, 0]})
In [106]: df2.sample(n = 3, weights = 'weight_column')
Out[106]:
col1 weight_column
1 8 0.4
0 9 0.5
2 7 0.1
向数据框中增加行。
df.loc[3,:]=4 a b c 0 1.0 a A 1 2.0 b B 2 3.0 c C 3 4.0 4 4
在指定位置插入行。
Pandas 没有直接指定索引位置插入行的内置方法，需要手动构造并合并。
line = pd.DataFrame({df.columns[0]:"--",df.columns[1]:"--",df.columns[2]:"--"},index=[1])
df = pd.concat([df.loc[:0],line,df.loc[1:]]).reset_index(drop=True)#df.loc[:0]这里不能写成df.loc[0]，因为df.loc[0]返回的是series
a b c
0 1.0 a A
1 -- -- --
2 2.0 b B
3 3.0 c C
4 4.0 4 4
交换两行的位置。
df.loc[[1,2],:]=df.loc[[2,1],:].values a b c 0 1 a A 1 3 c C 2 2 b B
删除指定行。
df.drop(0,axis=0,inplace=True) print(df) a b c 1 2 b B 2 3 c C
注意事项
在以时间戳作为索引的数据框中，索引在内部处理时可能表现为整型方式，需注意切片行为。
In [39]: dfl = pd.DataFrame(np.random.randn(5,4), columns=list('ABCD'), index=pd.date_range('20130101',periods=5))
In [40]: dfl
Out[40]:
A B C D
2013-01-01 1.075770 -0.109050 1.643563 -1.469388
2013-01-02 0.357021 -0.674600 -1.776904 -0.968914
2013-01-03 -1.294524 0.413738 0.276662 -0.472035
2013-01-04 -0.013960 -0.362543 -0.006154 -0.923061
2013-01-05 0.895717 0.805244 -1.206412 2.565646
In [41]: dfl.loc['20130102':'20130104']
Out[41]:
A B C D
2013-01-02 0.357021 -0.674600 -1.776904 -0.968914
2013-01-03 -1.294524 0.413738 0.276662 -0.472035
2013-01-04 -0.013960 -0.362543 -0.006154 -0.923061
列操作
选取单一列。
print(df.loc[:,"a"]) 0 1 1 2 2 3 Name: a, dtype: int64
选取多列。
print(df.loc[:,"a":"b"]) a b 0 1 a 1 2 b 2 3 c
增加新列；若列已存在，则执行赋值操作。
df.loc[:,"d"]=4 a b c d 0 1 a A 4 1 2 b B 4 2 3 c C 4
交换两列的数据值。
df.loc[:,['b', 'a']] = df.loc[:,['a', 'b']].values print(df) a b c 0 a 1 A 1 b 2 B 2 c 3 C
删除指定列。
方法1：直接使用 del 语句，例如 del DF['column-name']。
方法2：采用 drop 方法，以下三种写法等效：
DF = DF.drop('column_name', 1)；
DF.drop('column_name', axis=1, inplace=True)
DF.drop([DF.columns[[0, 1]]], axis=1, inplace=True)
df.drop("a",axis=1,inplace=True)
print(df)
b c
0 a A
1 b B
2 c C
其他常用功能补充：
使用 df.loc[::, ::] 进行切片操作。
使用 df.sample() 进行随机抽样。
使用 .duplicated() 进行去重检查。
使用 .lookup 进行查询。
以上关于 Pandas 数据框增、删、改、查、去重及抽样的基本操作方法分享完毕，希望能为读者提供参考，感谢支持。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
