【Python】pandas：替换值、添加行/列，删除行/列，更改形状（含数据透视表）

 pandas是Python的扩展库（第三方库），为Python编程语言提供 高性能、易于使用的数据结构和数据分析工具。

pandas官方文档：User Guide — pandas 2.2.2 documentation (pydata.org)

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(pd.DataFrame)，help(pd.concat)

---

Python代码中，导入pandas：

import pandas as pd

---

1、替换值：replace, where, mask

（1-1）替换指定数据：replace

replace(self, to_replace=None, value=<no_default>, inplace: 'bool' = False, limit=None, regex: 'bool' = False, method: 'str | lib.NoDefault' = <no_default>)

注：默认inplace=False 不替换原DataFrame。

• DataFrame.replace(旧值, 新值)：将旧值都替换成新值。旧值和新值都可以是单个数据、列表、字典。
• DataFrame.replace(旧值, 新值,limit=替换个数)：将指定个数的旧值替换成新值。旧值和新值都可以是单个数据、列表、字典。
• 注：若旧值新值都是列表，则列表长度相同，旧值新值一一对应。

•  DataFrame.replace(正则表达式, 新值, regex=True)：将正则表达式匹配的数据替换成新值。
•  DataFrame.replace(regex=正则表达式, value=新值)：将正则表达式匹配的数据替换成新值。
• 注：正则表达式只能匹配字符串，对数值不适用，除非数值是字符串类型。

• DataFrame.replace(np.nan, 新值)：将NaN值都替换成新值。

• DataFrame.replace(旧值, np.nan)：将旧值都替换成NaN值。

• 注：np.nan需导入numpy（import numpy as np）。

（1-2）替换布尔为False的值：where

where(self, cond, other=<no_default>, inplace=False, axis=None, level=None, errors='raise', try_cast=<no_default>)

注：默认不满足条件(False)替换为NaN，inplace=False 不替换原DataFrame。

• DataFrame.where(条件)：DataFrame中每个元素，判断是否满足条件，若满足条件则为原数据，若不满足条件则默认替换为NaN。
• DataFrame.where(条件, 指定值)：DataFrame中每个元素，判断是否满足条件，若满足条件则为原数据，若不满足条件则替换为指定值。
• 注：df1.where(条件, df2) 等同于 np.where(条件, df1, df2)，np.where需导入numpy（import numpy as np）。

• DataFrame.where(Series, 指定值)：Series中元素都是布尔（True/False），DataFrame中每个元素，根据Series，若True则为原数据，若False则替换为指定值。若DataFrame行数大于Series元素数量，Seires没有对应的布尔，则默认为False。
• DataFrame.where(列表, 指定值)：列表（底层是数组）中元素都是布尔（True/False），DataFrame中每个元素，根据列表，若True则为原数据，若False则替换为指定值。数组形状必须和DataFrame形状相同，否则报错：ValueError: Array conditional must be same shape as self。

（1-3）替换布尔为True的值：mask

mask(self, cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=<no_default>)

注：默认other=nan 满足条件(True)替换为NaN，inplace=False 不替换原DataFrame。

• DataFrame.where(...)与DataFrame.mask(...)相反。
• DataFrame.mask(条件)：DataFrame中每个元素，若满足条件（True）则替换为指定值（默认替换成NaN），不满足条件（False）则为原数据。

---

 2、添加行/列：[ ] , insert, loc, concat

（2-1）添加列（最右侧）：[ ]

• DataFrame[新列名] = 数值：在最右侧添加一列，若数值为单个数据，则整列都为指定数值。新列数值也可以是其他列的计算结果。
• 注：若列名为已有列名，则相当于修改该列数据。

 （2-2）添加列（指定位置）：insert

insert(self, loc: 'int', column: 'Hashable', value: 'Scalar | AnyArrayLike', allow_duplicates: 'bool' = False) -> 'None'

• DataFrame.insert(添加位置, 新列名, 列数值)：在指定位置添加一列，列索引位置从0开始。列名不能和已有列名重复。
• DataFrame.insert(添加位置, 新列名, 列数值, allow_duplicates=True)：在指定位置添加一列，列索引位置从0开始。列名允许和已有列名重复。
• 注：若列数值是Series，且Series有自己的索引，则列数值是DataFrame索引和Series索引共同对应的数据，没有为NaN。

（2-3）添加行/列（在最后）：loc

• DataFrame.loc[新索引标签] = 数值：在最后添加一行。数值若为单个数据，则整行都是该数据。数值也可以是其他行的计算结果。
• DataFrame.loc[:, 新列名] = 数值：在最后（最右侧）添加一列。数值若为单个数据，则整列都是该数据。
• DataFrame.loc[索引标签, 新列名] = 数值：查询/修改指定行列标签对应的数据时，若没有对应的列名，则在最右侧添加该列。
• 注：若添加行时，索引标签已存在，则修改该行数据。若添加行时，列名已存在，则修改该列数据。

（2-4） 添加行/列（指定位置）：concat

concat(objs: 'Iterable[NDFrame] | Mapping[Hashable, NDFrame]', axis: 'Axis' = 0, join: 'str' = 'outer', ignore_index: 'bool' = False, keys=None, levels=None, names=None, verify_integrity: 'bool' = False, sort: 'bool' = False, copy: 'bool' = True) -> 'DataFrame | Series'

注：默认join='outer' 外连接。

• pd.concat(列表形式)：使用列表形式表示需连接的对象，默认按列名从尾部添加，默认使用原索引。
• pd.concat(列表形式, axis=1)：使用列表形式表示需连接的对象，按索引横向添加列，使用原列名。

注意：

• 指定位置添加行/列，或者添加多行/多列（例如：另一个DataFrame），可用concat将各部分拼接。concat可以与loc或iloc配合使用。
• 若添加的行数据是Series，需将Series转为DataFrame，且行列转置，才能达到需要的拼接效果。例如：Series.to_frame().T。
• 添加列，即横向拼接列，需设置axis=1。

补充：两DataFrame合并，可参考："合并"中的join, merge, append, concat。【Python】pandas：排序、重复值、缺省值处理、合并、分组-CSDN博客

---

3、删除行/列：pop, drop, concat

（3-1）删除列：pop

pop(self, item: 'Hashable') -> 'Series'

• DataFrame.pop(列名)：删除一列，并输出删除的列。
• 注：pop 直接在原DataFrame删除。一次只能删除一列。

（3-2）删除行/列（指定标签）：drop

drop(self, labels=None, axis: 'Axis' = 0, index=None, columns=None, level: 'Level | None' = None, inplace: 'bool' = False, errors: 'str' = 'raise')

注：默认inplace=False 不替换原DataFrame。

• DataFrame.drop(列名, axis=1)：删除指定列（多列，可用列表表示）。
• DataFrame.drop(columns=列名)：删除指定列（多列，可用列表表示）。
• DataFrame.drop(columns=列名,inplace=True)：删除指定列（多列，可用列表表示），并替换原DataFrame。
• DataFrame.drop(索引)：删除指定行（多行，可用列表表示）。
• DataFrame.drop(index=索引)：删除指定行（多行，可用列表表示）。
• DataFrame.drop(index=索引, columns=列名)：删除指定行指定列（多行或多列，都可用列表表示）。

 drop也可用于删除多索引中的行/列。

• DataFrame.drop(索引)：多索引，默认行索引中删除第一列中指定索引对应的所有行。若用列表表示，则删除多个指定索引对应的所有行。
• DataFrame.drop(index=索引)：多索引，默认行索引中删除第一列中指定索引对应的所有行。若用列表表示，则删除多个指定索引对应的所有行。若用元组表示，则行索引中删除元组对应的索引的所有行。
• DataFrame.drop(index=索引, columns=列名)：删除指定索引对应的所有行以及删除指定列（多行或多列，都可用列表表示）。

（3-3）删除行/列（指定位置）：concat

• 删除指定位置的行/列，可用 loc 或者 iloc切割，再用concat拼接。
• 注：若切割出的是一行数据（结果是Series），需将Series转为DataFrame，且行列转置，才能达到需要的拼接效果。例如：df.iloc[0].to_frame().T。若一列数据则可直接拼接。

若有重复列名的DataFrame，删除指定行/列，需用iloc通过列索引位置切割，再用concat拼接。简单的，使用iloc就可以获得。

---

4、更改形状（含数据透视表）

 （4-1）不带聚合的数据透视：pivot

pivot(self, index=None, columns=None, values=None) -> 'DataFrame'

• DataFrame.pivot(作为行索引的列名, 作为列索引的列名, 显示数据的列名)：指定某列或多列(列表形式)作为行索引，指定某列或多列(列表形式)作为列索引，指定某列或多列(列表形式)作为数据。
• 类似于Excel中的数据透视表，但是是不带聚合的透视。

若作为行索引和列索引的条目有重复的，则会报错：ValueError: Index contains duplicate entries, cannot reshape。

（4-2）数据透视表：pivot_table

pivot_table(self, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False, sort=True) -> 'DataFrame'

注：默认dropna=True 若整行都是NaN则删除。

• pd.pivot_table(DataFrame, values=数据列, index=作为行索引的列,aggfunc=聚合方式)：用某列或多列（列表）指定行索引，将指定数据列（用列表表示多列）按指定聚合方式（用字典表示多列各自聚合方式）处理。
• pd.pivot_table(DataFrame, values=数据列, index=作为行索引的列, columns=作为列索引的列,aggfunc=聚合方式, fill_value=指定值)：用某列或多列（列表）指定行索引，用某列或多列（列表）指定列索引，将指定数据列（用列表表示多列）按指定聚合方式（用字典表示多列各自聚合方式）处理，NaN值用指定值填充。

（4-3）取消透视：melt

melt(self, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level: 'Level | None' = None, ignore_index: 'bool' = True) -> 'DataFrame'

• DataFrame.melt(id_vars=[ 指定列 ], value_vars=[ 指定列 ])：参数id_vars指定作为标识符变量的列，参数value_vars指定取消透视的列。结果：一列数据为标识符变量，一列数据为取消透视的各列名（默认列名为variable），一列数据为对应的数值（默认列名为value）。
• DataFrame.melt(id_vars=[ 指定列 ], value_vars=[ 指定列 ], var_name=新列名, value_name=新列名)：参数id_vars指定作为标识符变量的列，参数value_vars指定取消透视的列，参数var_name给结果中的variable列重新取名，参数value_name给结果中的value列重新取名。
• DataFrame.melt(id_vars=[ 指定列 ], value_vars=[ 指定列 ], ignore_index=False)：参数id_vars指定作为标识符变量的列，参数value_vars指定取消透视的列。使用原索引。

多索引使用melt，指定level行的列名不能相同。

可以使用元组形式表示具体列。

（4-4）将列索引转为行索引：stack

stack(self, level: 'Level' = -1, dropna: 'bool' = True)

注：默认level= -1 将最后一行列索引转为行索引，dropna=True 若整行都是NaN则删除。

• DataFrame.stack( )： 将最后一行列索引转为行索引。
• DataFrame.stack(level=指定列索引)： 多索引中，指定列索引转为行索引。从上往下level从0开始，最后一个也是-1。可用列表形式表示将多级列索引转为行索引。
• DataFrame.stack(dropna=False)： 将最后一行列索引转为行索引。整行数据都是NaN的也保留。

（4-5）将行索引转为列索引：unstack

unstack(self, level: 'Level' = -1, fill_value=None)

注：默认level= -1 将最后一列行索引转为列索引。

• DataFrame.unstack( )： 将最后一列行索引转为列索引。
• DataFrame.unstack(level=指定列索引)： 多索引中，指定行索引转为列索引。从左往右level从0开始，最后一个也是-1。可用列表形式表示将多级行索引转为列索引。

（4-6）行轴、列轴交换：（行列转置）

• DataFrame.swapaxes(0,1)：行列转置。
• DataFrame.transpose( )：行列转置。
• DataFrame.T：行列转置。

---

pandas 各函数官方文档：General functions — pandas 2.2.2 documentation (pydata.org)

DataFrame 各方法官方文档：DataFrame — pandas 2.2.2 documentation (pydata.org)

Series 各方法官方文档：Series — pandas 2.2.2 documentation (pydata.org)