pandas库 DataFrame的常见操作

import pandas as pd
df_1 = pd.DataFrame({'age':[10,20,30],
                     'name':['tim','john','rose'],
                     'income':[100,200,300]},
                    index=['person1','person2','person3'])
print(df_1)

         age  name  income
person1   10   tim     100
person2   20  john     200
person3   30  rose     300

Series：一维表格数据，用于处理单列/行数据，支持自定义索引（index）。

#生成第一个Series[按照默认的index]
s_1 = pd.Series([1,2,3,4,5])
print(s_1)

0    1
1    2
2    3
3    4
4    5
dtype: int64
#自定义index
s_2 = pd.Series([1,2,3,4,5], 
                index=['a', 'b', 'c', 'd', 'e'])
print(s_2)

a    1
b    2
c    3
d    4
e    5
dtype: int64

属性：两者共有values（数据值）、index（行索引）、columns（列名）等属性

四.DataFrame常用操作

排序：`df.sort_values(by='列名', ascending=False)`按指定列降序排序，整行数据同步调整，当参数值为ture时则为升序排序或默认升序排序

import pandas as pd
dic={'name':['jack','marry','john','tom'],
     'age':[13,45,67,23],
     'gender':['f','f','m','m']}
df=pd.DataFrame(dic)
print(df)

    name  age gender
0   jack   13      f
1  marry   45      f
2   john   67      m
3    tom   23      m

# 根据年龄这一列进行排序（升序和降序）
df=df.sort_values(by=['age'])
print(df)
    name  age gender
0   jack   13      f
3    tom   23      m
1  marry   45      f
2   john   67      m

df=df.sort_values(by=['age'],ascending=False)
print(df)
    name  age gender
2   john   67      m
1  marry   45      f
3    tom   23      m
0   jack   13      f

数据替换：`df['列名'].replace({'旧值':'新值'})`实现值替换，需注意代码换行可能引起的误解。

# 值替换
df['gender'] =df['gender'].replace(['m','f'],['male','female'])
print(df)
    name  age  gender
2   john   67    male
1  marry   45  female
3    tom   23    male
0   jack   13  female

数据访问：

通过行列索引或位置序号访问数据，df.loc[]方法通过行名和列名定位数据，df.iloc[]方法通过位置序号定位数据

支持切片（如a:d）和离散选择（如['a','d']）。

import pandas as pd
import numpy as np

datas=pd.date_range('20180101',periods=5)#产生一个时间数据，五个
df=pd.DataFrame(
    np.arange(30).reshape(5,6),
    index=datas,
    columns=['A','B','C','D','E','F']
)
             A   B   C   D   E   F
2018-01-01   0   1   2   3   4   5
2018-01-02   6   7   8   9  10  11
2018-01-03  12  13  14  15  16  17
2018-01-04  18  19  20  21  22  23
2018-01-05  24  25  26  27  28  29

# 打印某个值
print(df.loc['20180103','B'])  
13

# 打印某列值
print(df.loc[:,'B'])
2018-01-01     1
2018-01-02     7
2018-01-03    13
2018-01-04    19
2018-01-05    25

print(df.loc['20180103':,'B'])
2018-01-03    13
2018-01-04    19
2018-01-05    25

print(df.loc['20180103':,['B',"D"]])
             B   D
2018-01-03  13  15
2018-01-04  19  21
2018-01-05  25  27

# 打印某行值
print(df.loc['20180103',:])
A    12
B    13
C    14
D    15
E    16
F    17

# 打印某些行
print(df.loc['20180103':,:])
             A   B   C   D   E   F
2018-01-03  12  13  14  15  16  17
2018-01-04  18  19  20  21  22  23
2018-01-05  24  25  26  27  28  29

# 获取某个数据
print(df.iloc[1,2])
8

# 获取某列
print(df.iloc[:,2])
2018-01-01     2
2018-01-02     8
2018-01-03    14
2018-01-04    20
2018-01-05    26

#获取某几列
print(df.iloc[:,2:])
             C   D   E   F
2018-01-01   2   3   4   5
2018-01-02   8   9  10  11
2018-01-03  14  15  16  17
2018-01-04  20  21  22  23
2018-01-05  26  27  28  29

print(df.iloc[:,[2,3]])
  C   D
2018-01-01   2   3
2018-01-02   8   9
2018-01-03  14  15
2018-01-04  20  21
2018-01-05  26  27
# 获取某行
print(df.iloc[2,:])
A    12
B    13
C    14
D    15
E    16
F    17

# 获取某些行
print(df.iloc[2:,])
             A   B   C   D   E   F
2018-01-03  12  13  14  15  16  17
2018-01-04  18  19  20  21  22  23
2018-01-05  24  25  26  27  28  29

删除数据：df.drop('行名', inplace=True)默认直接删除指定行，也可以通过axis=" "参数改变值为0时删除指定行，值为1时则删除指定列；inplace=True时覆盖原变量生效为False则不会改变原来的数据而是生成一个副本；

删除列：del df['列名'] 或 df.drop('列名', axis=1, inplace=True)。

删除行：df.drop('行名', axis=0, inplace=True)。

import pandas as pd
df = pd.DataFrame(
    {'age':[10,10,12],
     'name':['tom','rose','jack'],
     'income':[100,200,300]},
     index=['person1','person2','person3'])
print(df)
         age  name  income
person1   10   tom     100
person2   10  rose     200
person3   12  jack     300

# 删除
# 直接在原数据上删除
del df['age']
print(df)
         name  income
person1   tom     100
person2  rose     200
person3  jack     300

# 删除列
data = df.drop('name',axis=1,inplace=False)
print(data)
         income
person1     100
person2     200
person3     300


# 删除行
df.drop('person1',axis=0,inplace=False)
         name  income
person2  rose     200
person3  jack     300

内容修改：直接赋值（如df['列名'] = 新值）可更新数据。

添加列：

import pandas as pd
df = pd.DataFrame(
    {'age':[10,10,12],
     'name':['tom','rose','jack'],
     'income':[100,200,300]},
     index=['person1','person2','person3'])
print(df)
         age  name  income
person1   10   tom     100
person2   10  rose     200
person3   12  jack     300

# 在最后增加一列
df['pay']=[20,30,40]
print(df)
         age  name  income  pay
person1   10   tom     100   20
person2   10  rose     200   30
person3   12  jack     300   40

添加行：通过指定行名和列名添加

df.loc['person4',['age','name','income']]=[20,'kitty',200]
print(df)
          age   name  income   pay
person1  10.0    tom   100.0  20.0
person2  10.0   rose   200.0  30.0
person3  12.0   jack   300.0  40.0
person4  20.0  kitty   200.0   NaN

五.pandas库读取不同类型的文件

import pandas as pd
#读取csv文件
df_1=pd.read_csv("")

df_2=pd.read_csv("",encoding='utf-8',header=None)

# 读取excel文件
df_3=pd.read_excel("")

# 读取txt文件
df_4=pd.read_table("",sep='',header=None)

乐奇 Rokid 开放社区

更多推荐

AI 日报（2026年9月24日）

2026年9月24日，AI技术与应用呈现多元化演进态势。硬件与端侧方面，Meta在Connect大会发布首款轻量化VR眼镜与无摄像头智能眼镜，全面接入Muse智能体；谷歌上线Gemini 3.8 Flash TTS可定制语音模型，并在DeepMind推动私密计算与服务端内存融合。行业与前沿科研领域，Anthropic湿实验实验室利用Claude发现CRISPR样新型酶系统，并推出一站式Claude