数据修改¶

在线刷题

检查 or 强化 Pandas 数据分析操作？👉在线体验「Pandas进阶修炼300题」

Note

本页数据说明¶

为了更好的介绍相关操作，本页面使用 东京奥运会奖牌数据 数据进行展开，你应该对数据字段、数值、类型等相关信息做一个大致了解！

import pandas as pd

df = pd.read_csv("东京奥运会奖牌数据.csv")

df.head()

	排名	国家奥委会	Unnamed: 2	Unnamed: 3	Unnamed: 4	总分	按总数排名	国家奥委会代码
0	1	美国	39	41	33	113	1	USA
1	2	中国	38	32	18	88	2	CHN
2	3	日本	27	14	17	58	5	JPN
3	4	英国	22	21	22	65	4	GBR
4	5	ROC	20	28	23	71	3	ROC

数据修改¶

修改列名¶

将原 df 列名 Unnamed: 2、Unnamed: 3、Unnamed: 4 修改为 金牌数、银牌数、铜牌数

df.rename(columns={'Unnamed: 2':'金牌数',
                  'Unnamed: 3':'银牌数',
                  'Unnamed: 4':'铜牌数'},inplace=True) 

修改行索引¶

将第一列（排名）设置为索引

df.set_index("排名",inplace=True)

修改索引名¶

修改索引名为金牌排名

df.rename_axis("金牌排名",inplace=True)

修改值¶

将 ROC（第一列第五行）修改为俄奥委会

df.iloc[4,0] = '俄奥委会'

替换值（单值）¶

将金牌数列的数字 0 替换为 无

df['金牌数'].replace(0,'无',inplace=True)

替换值（多值）¶

同时替换

将 无 替换为缺失值
将 0 替换为 None

注意：缺失值的 Nan 该怎么生成？

import numpy as np
df.replace(['无',0],[np.nan,'None'],inplace = True)

修改类型¶

将 金牌数 列类型修改为 int

df['金牌数'] = df['金牌数'].fillna('0').astype(int)

数据增加¶

新增列（固定值）¶

新增一列 比赛地点，值为 东京

df['比赛地点'] = '东京'

新增列（计算值）¶

新增一列 金银牌总数列，值为该国家金银牌总数

df = df.replace('None',0)
df['金银牌总数']  = df['金牌数']  + df['银牌数']

新增列（比较值）¶

新增一列最多奖牌数量列，值为该过金银牌数量种最多的一个奖牌数量

例如美国银牌最多，则为41，中国为38

df['最多奖牌数量'] = df.bfill(1)[["金牌数", "银牌数",'铜牌数']].max(1)

新增列（判断值）¶

新增一列金牌大于30

如果一个国家的金牌数大于 30 则值为是，反之为否

df['金牌大于30']  = np.where(df['金牌数'] > 30, '是', '否')

增加多列¶

新增两列，分别是

金铜牌总数（金牌数+铜牌数）
银铜牌总数（银牌数+铜牌数）

df = df.assign(金铜牌总数=df.金牌数 + df.铜牌数,
         银铜牌总数=df.银牌数+df.铜牌数) 

新增列（引用变量）¶

新增一列金牌占比，为各国金牌数除以总金牌数（gold_sum）

gold_sum = df['金牌数'].sum()
df.eval(f'金牌占比 = 金牌数 / {gold_sum}',inplace=True)

新增行（末尾追加）¶

在 df 末尾追加一行，内容为 0,1,2,3… 一直到 df 的列长度

df1 = pd.DataFrame([[i for i in range(len(df.columns))]], columns=df.columns)
df_new = df.append(df1)

新增行（指定位置）¶

在第 2 行新增一行数据，即美国和中国之间。

数据内容同上一题

df1 = df.iloc[:1, :]
df2 = df.iloc[1:, :]
df3 = pd.DataFrame([[i for i in range(len(df.columns))]], columns=df.columns)
df_new = pd.concat([df1, df3, df2], ignore_index=True)

数据删除¶

删除指定行¶

删除 df 第一行

df.drop(1)

	国家奥委会	金牌数	银牌数	铜牌数	总分	按总数排名	国家奥委会代码	比赛地点	金银牌总数	最多奖牌数量	金牌大于30	金铜牌总数	银铜牌总数	金牌占比
金牌排名
2	中国	38	32	18	88	2	CHN	东京	70	38.0	是	56	50	0.111765
3	日本	27	14	17	58	5	JPN	东京	41	27.0	否	44	31	0.079412
4	英国	22	21	22	65	4	GBR	东京	43	22.0	否	44	43	0.064706
5	俄奥委会	20	28	23	71	3	ROC	东京	48	28.0	否	43	51	0.058824
6	澳大利亚	17	7	22	46	6	AUS	东京	24	22.0	否	39	29	0.050000
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
86	加纳	0	0	1	1	77	GHA	东京	0	1.0	否	1	1	0.000000
86	格林纳达	0	0	1	1	77	GRN	东京	0	1.0	否	1	1	0.000000
86	科威特	0	0	1	1	77	KUW	东京	0	1.0	否	1	1	0.000000
86	摩尔多瓦	0	0	1	1	77	MDA	东京	0	1.0	否	1	1	0.000000
86	叙利亚	0	0	1	1	77	SYR	东京	0	1.0	否	1	1	0.000000

92 rows × 14 columns

删除条件行¶

df.drop(df[df.金牌数<20].index)

	国家奥委会	金牌数	银牌数	铜牌数	总分	按总数排名	国家奥委会代码	比赛地点	金银牌总数	最多奖牌数量	金牌大于30	金铜牌总数	银铜牌总数	金牌占比
金牌排名
1	美国	39	41	33	113	1	USA	东京	80	41.0	是	72	74	0.114706
2	中国	38	32	18	88	2	CHN	东京	70	38.0	是	56	50	0.111765
3	日本	27	14	17	58	5	JPN	东京	41	27.0	否	44	31	0.079412
4	英国	22	21	22	65	4	GBR	东京	43	22.0	否	44	43	0.064706
5	俄奥委会	20	28	23	71	3	ROC	东京	48	28.0	否	43	51	0.058824

删除列¶

删除刚刚新增的比赛地点列

df.drop(columns=['比赛地点'],inplace=True)

删除列（按列号）¶

删除 df 的 7、8、9、10 列

df.drop(df.columns[[7,8,9,10]], axis=1,inplace=True)