如何运用Python Pandas库精确更新数据框中的特定行与列内容？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1142个文字，预计阅读时间需要5分钟。
1. 创建Pandas数据集为了构建数据框架，Pandas提供了函数pd.DataFrame，该函数可从数据中创建数据框架。它帮助您从各种数据源中构建数据框架。让我们看看它是如何工作的。
1. 创建 Pandas 数据集为了创建数据框，pandas 提供了函数名称 pd.DataFrame，它可以帮助您从一些数据中创建数据框。 让我们看看它是如何工作的。
#创建一个字典 import pandas as pd fruit_data = {"Fruit": ['Apple','Avacado','Banana','Strawberry','Grape'],"Color": ['Red','Green','Yellow','Pink','Green'], "Price": [45, 90, 60, 37, 49] } fruit_data
在这里，我们建立了一个 Python 的字典，它包括一些数据项。 现在，我们被要求将这本字典变成Pandas数据集。
#Dataframe data = pd.DataFrame(fruit_data) data
那很完美！使用 pandas 的 pd.DataFrame 函数，我们可以轻松地将字典转换为 pandas 数据集。 我们的数据集现在已准备好执行未来的操作。
有时，要素的列或名称会不一致。 它可以是字母表的大小写等等。 拥有统一的设计有助于我们有效地使用这些功能。
因此，作为第一步，我们将了解如何更新/更改数据中的列或特征名称。
#update the column name data.rename(columns = {'Fruit':'Fruit Name'})
如上图所示简单。 大家甚至可以一次更新多个列名。 为此，我们必须在大括号下添加以逗号分隔的其他列名。
#multile column update data.rename(columns = {'Fruit':'Fruit Name','Colour':'Color','Price':'Cost'})
就像这样，我们可以同时更新所有列。
更新列名的大小写在处理具有许多列的数据集时，我们可能会遇到列名不一致的情况。
在我们的数据中，大家可以观察到所有列名的首字母大写。 始终建议为所有列名使用通用大小写。
好吧，我们可以将它们转换为大写或小写。
#lower case data.columns.str.lower() data
现在，我们所有的列名都是小写的。
更新行和更新列一样，更新行也很简单。 我们必须先找到行值，然后才能使用新值更新该行。
我们可以使用 pandas loc 函数来定位行。
#updating rows data.loc[3]
Fruit Strawberry Color Pink Price 37 Name: 3, dtype: object
我们找到了第 3 行，其中包含水果草莓的详细信息。我们需要更新这一行，提供一个新的水果名称为Pineapple以及它的详细信息。
#update data.loc[3] = ['PineApple','Yellow','48'] data
我希望大家也发现更新数据中行的值很容易。 现在，假设我们只需要更新行中的一些细节，而不是整个细节。 那么，您对此有何看法？
#更新特定值 data.loc[3, ['Price']]
Price 48 Name: 3, dtype: object
我们只需要更新位于第 3 行的水果的价格。 我们知道该水果的当前价格是 48。但是，我们必须将其更新为 65。让我们这样做。
#updating data.loc[3, ['Price']] = [65] data
我们只用一行 python 代码将水果菠萝的价格更新为 65。 这就是它的工作原理。 简单的。
根据条件更新行和列是的，我们现在将根据特定条件更新行值。 最后，我们想要一些有意义的值，这些值应该有助于我们的分析。
让我们定义我们的条件。
#Condition updated = data['Price'] > 60 updated
我们在这里要做的是，将价格高于 60 的水果的价格更新为昂贵。
0 False 1 True 2 False 3 True 4 False Name: Price, dtype: bool
根据输出，我们有 2 个价格超过 60 的水果。让我们在数据中将这些水果列为昂贵的。
#Updating data.loc[updated, 'Price'] = 'Expensive' data
本文共计1142个文字，预计阅读时间需要5分钟。
1. 创建Pandas数据集为了构建数据框架，Pandas提供了函数pd.DataFrame，该函数可从数据中创建数据框架。它帮助您从各种数据源中构建数据框架。让我们看看它是如何工作的。
1. 创建 Pandas 数据集为了创建数据框，pandas 提供了函数名称 pd.DataFrame，它可以帮助您从一些数据中创建数据框。 让我们看看它是如何工作的。
#创建一个字典 import pandas as pd fruit_data = {"Fruit": ['Apple','Avacado','Banana','Strawberry','Grape'],"Color": ['Red','Green','Yellow','Pink','Green'], "Price": [45, 90, 60, 37, 49] } fruit_data
在这里，我们建立了一个 Python 的字典，它包括一些数据项。 现在，我们被要求将这本字典变成Pandas数据集。
#Dataframe data = pd.DataFrame(fruit_data) data
那很完美！使用 pandas 的 pd.DataFrame 函数，我们可以轻松地将字典转换为 pandas 数据集。 我们的数据集现在已准备好执行未来的操作。
有时，要素的列或名称会不一致。 它可以是字母表的大小写等等。 拥有统一的设计有助于我们有效地使用这些功能。
因此，作为第一步，我们将了解如何更新/更改数据中的列或特征名称。
#update the column name data.rename(columns = {'Fruit':'Fruit Name'})
如上图所示简单。 大家甚至可以一次更新多个列名。 为此，我们必须在大括号下添加以逗号分隔的其他列名。
#multile column update data.rename(columns = {'Fruit':'Fruit Name','Colour':'Color','Price':'Cost'})
就像这样，我们可以同时更新所有列。
更新列名的大小写在处理具有许多列的数据集时，我们可能会遇到列名不一致的情况。
在我们的数据中，大家可以观察到所有列名的首字母大写。 始终建议为所有列名使用通用大小写。
好吧，我们可以将它们转换为大写或小写。
#lower case data.columns.str.lower() data
现在，我们所有的列名都是小写的。
更新行和更新列一样，更新行也很简单。 我们必须先找到行值，然后才能使用新值更新该行。
我们可以使用 pandas loc 函数来定位行。
#updating rows data.loc[3]
Fruit Strawberry Color Pink Price 37 Name: 3, dtype: object
我们找到了第 3 行，其中包含水果草莓的详细信息。我们需要更新这一行，提供一个新的水果名称为Pineapple以及它的详细信息。
#update data.loc[3] = ['PineApple','Yellow','48'] data
我希望大家也发现更新数据中行的值很容易。 现在，假设我们只需要更新行中的一些细节，而不是整个细节。 那么，您对此有何看法？
#更新特定值 data.loc[3, ['Price']]
Price 48 Name: 3, dtype: object
我们只需要更新位于第 3 行的水果的价格。 我们知道该水果的当前价格是 48。但是，我们必须将其更新为 65。让我们这样做。
#updating data.loc[3, ['Price']] = [65] data
我们只用一行 python 代码将水果菠萝的价格更新为 65。 这就是它的工作原理。 简单的。
根据条件更新行和列是的，我们现在将根据特定条件更新行值。 最后，我们想要一些有意义的值，这些值应该有助于我们的分析。
让我们定义我们的条件。
#Condition updated = data['Price'] > 60 updated
我们在这里要做的是，将价格高于 60 的水果的价格更新为昂贵。
0 False 1 True 2 False 3 True 4 False Name: Price, dtype: bool
根据输出，我们有 2 个价格超过 60 的水果。让我们在数据中将这些水果列为昂贵的。
#Updating data.loc[updated, 'Price'] = 'Expensive' data