1. 数据筛选与修改

数据的增删改查是 pandas 数据分析中最高频的操作，在分组、聚合、透视、可视化等多个操作中，数据的筛选、修改操作也会不断出现。

1.1 加载数据

数据集下载

import sys
import os
import pandas as pd
df = pd.read_csv("东京奥运会奖牌数据.csv") 

输出为：

1.2 数据修改

1. 数据修改–修改列名

把Unnamed: 2 Unnamed: 3 Unnamed: 4 分别代表 金牌数 银牌数 铜牌数

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

输出为：

2. 数据修改–修改行索引

将第（国家奥委会）一列设置为索引

# 数据修改--修改行索引  将第（国家奥委会）一列设置为索引
df.set_index("国家奥委会").head()

输出为：

# 数据修改--修改行索引  将第（排名）一列设置为索引
df.set_index("排名").head()

输出为：

数据修改–修改索引名为 金牌排名：

# 数据修改--修改索引名为 金牌排名
df_new = df.set_index("排名").rename_axis("金牌排名")
df_new.head()

输出为：

3. 数据修改–修改值

#  将 ROC（第一列第五行）修改为 俄奥委会
df_new.iloc[4,0] = '俄奥委会'





    
df_new

输出为：

4. 数据修改–替换值

替换值（单值）

# 数据修改--替换值（单值）  将金牌数列的数字 0 替换为 无
df_new['金牌数'].replace(0,'无',inplace=True)
df_new

输出为：

替换值（多值）

# 数据修改--替换值（多值）
# 将 无 替换为 缺失值   将 0 替换为 None
import numpy as np
df_new.replace(['无',0],[np.nan,'None'],inplace = True)
df_new

输出为：

# 数据查看--看各列数据类型
df_new.info()

输出为：

5. 数据修改-修改数据类型

** 将 金牌数 列类型修改为 int**

# 数据修改--修改类型 将 金牌数 列类型修改为 int
df_new['金牌数'] = df_new['金牌数'].fillna('0').astype(int)
df_new

输出为：

1.3 数据新增

1. 数据新增-增加列 固定值

固定值 新增一列 比赛地点，值为 东京

# 重新加载数据 并 新增一列 比赛地点，值为 东京
df_new['比赛地点'] = '东京'
df_new





    

输出为：

2. 数据新增-增加列 计算值

计算值 新增一列 金银牌总数列，值为该国家金银牌总数

# 新增一列 金银牌总数列，值为该国家金银牌总数
df_new = df_new.replace('None',0)
df_new['金银牌总数']  = df_new['金牌数']  + df_new['银牌数']
df_new

输出为：

# 查看指定列的最大值
df_new[["金牌数", "银牌数",'铜牌数']].max(0)

输出为：

金牌数    39
银牌数    41
铜牌数    33
dtype: int64

查看行数据中指定多列中的最大值

如果查看每个国家中金牌数银牌数铜牌数的最大值

df_new.bfill(1)[["金牌数", "银牌数",'铜牌数']].max(1)

输出为：

0     41.0
1     38.0
2     27.0
3     22.0
4     28.0
88     1.0
89     1.0
90     1.0
91     1.0
92     1.0





    
Length: 93, dtype: float64

新增一列计算值，值为每行中[“金牌数”, “银牌数”,‘铜牌数’]几列的最大值

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

输出为：

3. 数据新增-增加列 比较值

新增一列比较值，如果一个国家的金牌数大于 20 则值为 是，反之为 否

df_new['金牌大于20']  = np.where(df_new['金牌数'] > 20, '是', '否')
df_new

输出为：

4. 数据新增-新增多列

金铜牌总数（金牌数+铜牌数） 银铜牌总数（银牌数+铜牌数）

# 金铜牌总数（金牌数+铜牌数）
# 银铜牌总数（银牌数+铜牌数）
df_new.loc[:,"金铜牌总数"] = df_new["金牌数"] + df_new["铜牌数"]
df_new.loc[:,"银铜牌总数"] = df_new["银牌数"] + df_new["铜牌数"]
df_new

输出为：

5. 数据新增-增加列引用变量

计算金牌总数

# 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_new['金牌数'].sum()
gold_sum

输出为：

340

新增一列，金牌占比

df_new['金牌占比'] = df_new['金牌数'] / df_new['金牌数'].sum()
# del df['金牌占比1']
df_new

输出为：

小数转百分比

# 小数转百分比
df_new['金牌占比%'] = df_new['金牌占比'].apply(lambda x: format(x, '.2%'))  
df_new
1.2.1 读取csv案例-指定sep,encoding,engine
1.2.2 读取csv案例-names和header
1.2.3 读取csv案例-指定index_col和usecols
1.2.4 读取csv案例-指定nrows和skiprows
1.2.5 读取csv案例-指定dtype