如何向 pandas.DataFrame 添加新的列或行

通过指定新的列名/行名来添加，或者用pandas.DataFrame的assign()、insert()、append()方法添加等方法。

这里，将描述以下内容。

将列添加到 pandas.DataFrame

• 通过指定新列名添加
• 用assign()方法添加/分配
• 用insert()方法添加到任意位置
• 使用 concat() 函数水平连接 Series 和 DataFrame

向pandas.DataFrame 添加一行

• 通过指定新行名称添加
• 用append()方法添加
• 使用 concat() 函数垂直连接 Series 和 DataFrame
• 转置然后使用assign()、insert()方法

选择某些列

import pandas as pd
# 从Excel中读取数据，生成DataFrame数据
# 导入Excel路径和sheet name
df = pd.read_excel(excelName, sheet_name=sheetName)
# 读取某些列，生成新的DataFrame
newDf = pd.DataFrame(df, columns=[column1, column2, column3])

选择某些列和行

# 读取某些列，并根据某个列的值筛选行
newDf = pd.DataFrame(df, columns=[column1, column2, column3])[(df.column1 == value1) & (df.column2 == value2)]

添加新的列

# 第一种直接赋值
df["newColumn"] = newValue
# 第二种用concat组合两个DataFrame
pd.concat([oldDf, newDf])

更改某一列的值

# 第一种，replace
df["column1"] = df["column1"].replace(oldValue, newValue)
# 第二种，map
df["column1"] = df["column1"].map({oldValue: newValue})
# 第三种，loc
# 将column2 中某些行（通过column1中的value1来过滤出来的）的值为value2
df.loc[df["column1"] == value1, "column2"] = value2

补全缺失值

# fillna填充缺失值
df["column1"] = df["column1"].fillna(value1)