Python Pandas DataFrame 创建、索引、增删操作详解
本文详细解析 Python 中 Pandas DataFrame 的核心操作。涵盖从字典和多维数组创建 DataFrame 的方法，重点讲解列与行的索引技巧，特别是 iloc 与 loc 的区别及赋值警告处理。同时演示如何新增多列数据及删除指定的行与列，提供实用的代码示例与避坑指南。
前言
近期在网上搜索关于 pandas.DataFrame 的操作指南时，发现多数内容仅涉及基础用法。然而，将这些基础操作组合起来以正确处理 DataFrame 往往耗时较长，且容易引发 BUG。为此，本文对常见操作进行系统总结，旨在帮助读者更高效地掌握相关技巧。
一、创建 DataFrame 的简单操作：
1、根据字典创建：
In [1]: import pandas as pd
In [3]: aa={'one':[1,2,3],'two':[2,3,4],'three':[3,4,5]}
In [4]: bb=pd.DataFrame(aa)
In [5]: bb
Out[5]:
one three two
0 1 3 2
1 2 4 3
2 3 5 4`
利用字典创建时，字典的键（keys）将自动成为 DataFrame 的列名（columns）。若未指定索引（index），系统将默认从 0 开始计数生成索引。
bb=pd.DataFrame(aa,index=['first','second','third']) bb Out[7]: one three two first 1 3 2 second 2 4 3 third 3 5 4
2、从多维数组中创建
import numpy as np In [9]: del aa In [10]: aa=np.array([[1,2,3],[4,5,6],[7,8,9]]) In [11]: aa Out[11]: array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) In [12]: bb=pd.DataFrame(aa) In [13]: bb Out[13]: 0 1 2 0 1 2 3 1 4 5 6 2 7 8 9
从多维数组构建 DataFrame 时，建议显式指定 columns 和 index 参数。若不指定，生成的默认索引和列名通常不够直观，影响可读性。
bb=pd.DataFrame(aa,index=[22,33,44],columns=['one','two','three']) In [15]: bb Out[15]: one two three 22 1 2 3 33 4 5 6 44 7 8 9
3、用其他的 DataFrame 创建
bb=pd.DataFrame(aa,index=[22,33,44],columns=['one','two','three']) bb Out[15]: one two three 22 1 2 3 33 4 5 6 44 7 8 9 cc=bb[['one','three']].copy() Cc Out[17]: one three 22 1 3 33 4 6 44 7 9
通过现有 DataFrame 创建新实例时，建议使用 copy() 方法进行深拷贝。这样修改新 DataFrame（如 cc）的值不会影响原始 DataFrame（如 bb）。
cc['three'][22]=5 bb Out[19]: one two three 22 1 2 3 33 4 5 6 44 7 8 9 cc Out[20]: one three 22 1 5 33 4 6 44 7 9
二、DataFrame 的索引操作：
对于 DataFrame 而言，索引操作最为复杂且容易出错，需格外注意。
1、索引一列或几列，比较简单：
bb['one'] Out[21]: 22 1 33 4 44 7 Name: one, dtype: int32
当需要索引多个列时，必须将列名放入列表中。否则，直接传入多个列名会导致报错，因为 Pandas 期望接收一个可迭代的变量。
bb[['one','three']] Out[29]: one three 22 1 3 33 4 6 44 7 9
2、索引一条记录或几条记录：
bb[1:3] Out[27]: one two three 33 4 5 6 44 7 8 9 bb[:1] Out[28]: one two three 22 1 2 3
在索引行记录时，冒号（:）是必需的语法元素。若省略冒号，系统可能会错误地将其识别为列索引操作。
3、索引某几列的变量的某几条记录，这个折磨了我好久：
第一种
bb.loc[[22,33]][['one','three']] Out[30]: one three 22 1 3 33 4 6
这种方式仅支持读取值，无法直接修改其中的数据。这可能与 loc() 函数的特性有关，导致赋值操作受限。
bb.loc[[22,33]][['one','three']]=[[2,2],[3,6]] In [32]: bb Out[32]: one two three 22 1 2 3 33 4 5 6 44 7 8 9
第二种：也是只能看
bb[['one','three']][:2] Out[33]: one three 22 1 3 33 4 6
尝试在这种模式下修改数据会触发报错，因此该方法仅适用于读取场景。
In [34]: bb[['one','three']][:2]=[[2,2],[2,2]] -c:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_index,col_indexer] = value instead F:\Anaconda\lib\site-packages\pandas\core\frame.py:1999: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame return self._setitem_slice(indexer, value)
第三种：可以改变数据的值！！！
iloc 方法依据数据的实际行列位置进行索引，不依赖于 index 和 columns 的名称。
bb.iloc[2:3,2:3] Out[36]: three 44 9 bb.iloc[1:3,1:3] Out[37]: two three 33 5 6 44 8 9 bb.iloc[0,0] Out[38]: 1
下面是证明：
bb.iloc[0:4,0:2]=[[9,9],[9,9],[9,9]] In [45]: bb Out[45]: one two three 22 9 9 3 33 9 9 6 44 9 9 9
三、在原有的 DataFrame 上新建一个 columns 或几个 columns
1、什么都不用的，只能单独创建一列，多列并不好使，亲测无效：
bb['new']=[2,3,4] bb Out[51]: one two three new 22 9 9 3 2 33 9 9 6 3 44 9 9 9 4 bb[['new','new2']]=[[2,3,4],[5,3,7]] KeyError: "['new' 'new2'] not in index"
直接赋予列表时，数据会按照给定的 index 顺序进行赋值。但通常我们需要根据特定的 index 进行对应赋值，更高级的赋值方法见下文。
2、使用字典进行多列按 index 赋值：
aa={33:[234,44,55],44:[657,77,77],22:[33,55,457]}
In [58]: bb=bb.join(pd.DataFrame(aa.values(),columns=['hi','hello','ok'],index=aa.keys()))
In [59]: bb
Out[59]:
one two three new hi hello ok
22 9 9 3 2 33 55 457
33 9 9 6 3 234 44 55
44 9 9 9 4 657 77 77
此处 aa 是一个字典与列表的嵌套结构，代表一条记录。使用字典的 keys 作为 index 名，而非默认的 columns 名，从而实现按 index 的多列匹配。由于 dict（） 的存储顺序可能混乱，直接使用 dict（） 且不指定 index 可能导致记录错乱，这一点需特别注意。
四、删除多列或多记录：
删除列
bb.drop(['new','hi'],axis=1) Out[60]: one two three hello ok 22 9 9 3 55 457 33 9 9 6 44 55 44 9 9 9 77 77
删除记录
bb.drop([22,33],axis=0) Out[61]: one two three new hi hello ok 44 9 9 9 4 657 77 77
此外，还有一篇关于 Python 中 Pandas DataFrame 对行与列求和及添加新行与列的示例文章，感兴趣的朋友可以参考。
DataFrame 的功能远不止于此，后续若涉及其他功能或阅读官网 API 后有新的发现，将继续分享。
总结
以上就是本文的全部内容，希望这些内容能对各位的学习或工作有所帮助。如有任何疑问，欢迎留言交流，感谢大家的支持。
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。
