Добавление и удаление столбцов и строк в Pandas: Руководство с примерами

В библиотеке Pandas есть несколько способов добавления и удаления столбцов и строк в DataFrame. Вот некоторые из них.

Добавление столбцов в pandas

Вы можете добавить новый столбец в DataFrame, присвоив ему значения. Вот пример:

import pandas as pd

# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# Добавление нового столбца
df['C'] = [7, 8, 9]

# Просмотр DataFrame
print(df)

Удаление столбцов в pandas

Чтобы удалить столбец в Pandas, вы можете использовать метод drop() или метод pop(). Вот несколько способов удаления столбца:

1. Использование метода drop():

import pandas as pd

# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаление столбца 'B'
df = df.drop('B', axis=1)

# Вывод обновленного DataFrame
print(df)

Этот код удалит столбец 'B' из DataFrame df.

2. Использование метода pop():

import pandas as pd

# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаление столбца 'B'
df.pop('B')

# Вывод обновленного DataFrame
print(df)

Этот код также удалит столбец 'B' из DataFrame df.

Оба этих метода изменяют исходный DataFrame и возвращают обновленный DataFrame без указанного столбца.

Добавление строки в pandas

Вы можете добавить новую строку в DataFrame, используя метод append(). Вот пример:

import pandas as pd

# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# Создание новой строки
new_row = pd.Series({'A': 7, 'B': 8})

# Добавление новой строки
df = df.append(new_row, ignore_index=True)

# Просмотр DataFrame
print(df)

Удаление строки в pandas

Вы можете удалить строку из DataFrame с помощью метода drop(). Вот пример:

import pandas as pd

# Создание DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# Удаление строки
df.drop(1, inplace=True)

# Просмотр DataFrame
print(df)

Это лишь некоторые из возможных способов добавления и удаления столбцов и строк в Pandas. Более подробную информацию вы можете найти в документации Pandas.