这篇文章主要介绍“Python数据分析之Pandas Dataframe怎么修改、删除及查询”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python数据分析之Pandas Dataframe怎么修改、删除及查询”文章能帮助大家解决问题。
一、查询操作
可以使用Dataframe的index属性和columns属性获取行、列索引。
import pandas as pddata = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}df = pd.DataFrame(data)print(df.index)print(df.columns)df结果输出如下：
元素的查询
DataFrame 元素查询有一下几种查询方式：使用[]切片、loc方法、iloc方法、at方法、iat方法等，下面分别介绍一下。
使用[]切片：
和Series数据结果一样，Dataframe也支持使用[]进行切片，使用方式也类似，通过行、列的下标或名称进行指定位置元素的查询。
例如：
# 获取第0行数据df[0:1]# 获取第2-4行数据(不包括4)df[2:4]# 获取某一列df.name # df["name"]# 获取某几列df[["name", "gender"]]# 获取指定行指定列df[2:4][["name", "gender"]]通过loc方法和iloc方法：
其中loc方法是以行索引的名称和列索引的名称作为参数使用，iloc方法是以行索引的位置和列索引的位置作为参数使用，具体使用方式如下：
# 获取某行df.loc[1]df.iloc[1]# 获取多行df.loc[1:3]df.iloc[1:3]# 获取某列df.loc[:, "name"]df.iloc[:, 0]# 获取多列df.loc[:, ["name","gender"]]df.iloc[:, [0,2]]除了上面这些， 这里有一点需要注意一下，就是使用loc方法行索引参数为区间时，区间前后都为闭区间；而iloc为前闭后开区间。
通过at方法和iat方法：
at和iat的使用方法与loc和iloc类似，不同的是，at和iat只能访问单个元素，不能访问多个元素，但是查询速度比loc和iloc更快一些，具体使用如下：
# 查询index为0列名为name的元素df.at[0, "name"]# 查询第2行第1列的元素df.iat[2,1]说完Dataframe的查询操作，这篇文章就来介绍一下Dataframe数据的修改及删除操作。
二、修改操作
行列索引的修改
Dataframe对象提供了rename()方法修改行索引、列索引，默认修改行索引，可以指定columns参数修改列索引，
具体使用方法如下：
# 修改指定行索引df.rename({1:"one", 2:"two"}, inplace=True)# 修改指定列索引df.rename(columns={"city": "address"}, inplace=True)df结果输出如下：
参数inplace=True表示在原来的 DataFrame 上进行修改。
元素值的修改
上面查询操作说到说到可以通过loc、iloc、at、iat等方法获取指定位置的值，修改其实也是通过这些方法先指定某个位置，然后进行赋值即可修改，例如：
# 修改1-2行age和city列的数据df.loc[1:2, ["age","city"]] = [["22", "北京"],["21", "济南"]]# 修改gender列 man-->男df.loc[df["gender"]=="man", "gender"] = "男"df输出结果如下：
三、行和列的删除操作
DataFrame提供了drop()方法进行行和列的删除操作。
具体用法和参数如下：
df.drop(labels=None, axis=0, index=None, columns=None, inplace=False)labels：指定要删除的行或列，可以使用列表指定多个行/列索引
axis：取值为0和1，代表行和列，默认为0，表示要删除的是行，设置为1表示删除列
index：指定要删除的行，可以使用列表指定多个行索引
columns：指定要删除的列，同样可以使用列表指定多个列索引
inplace：默认为False，设置为True表示在原 DataFrame 上进行修改
具体通过代码看下：
# 删除单行df.drop(4, inplace=True)# 删除多行df.drop([1,3], inplace=True)# 删除多列df.drop(["gender","city"], axis=1, inplace=True) # 或 df.drop(columns=["genger","city"], inplace=True)df关于“Python数据分析之Pandas Dataframe怎么修改、删除及查询”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网行业资讯频道，小编每天都会为大家更新不同的知识点。
