pandas设置值、更改值

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2018/5/24 15:03
# @Author  : zhang chao
# @File    : s.py
from scipy import linalg as lg
#按标签选择
#通过标签选择多轴

import pandas as pd
import numpy as np

dates = pd.date_range(‘20170101‘, periods=8)
df = pd.DataFrame(np.random.randn(8,4), index=dates, columns=list(‘ABCD‘))
print("df:")
print(df)
print(‘-‘*50)
s=pd.Series(list(range(10,18)),index=pd.date_range(‘20170101‘, periods=8))
df["F"]=s#新加一列元素F
print("df[‘F‘]=s")
print(df)
print(‘-‘*50)
df.at[dates[0],"A"]=99
print("df.at[dates[0],‘A‘]=99")
print(df)
print(‘-‘*50)
print("df.iat[1,1]=-66")
df.iat[1,1]=-66
print(df)
print(‘-‘*50)
print("df.loc[:,‘D‘]=np.array([4]*len(df))")
df.loc[:,"D"]=np.array([4]*len(df))
print(df)
print(‘-‘*50)
df2=df.copy()#拷贝
print(‘-‘*50)
print("")
df2[df2>0]=-df2#将df2中的所有大于0的元素值 都改为小于0的
print (df2)
D:\Download\python3\python3.exe D:/Download/pycharmworkspace/s.py
df:
                   A         B         C         D
2017-01-01 -0.598774  1.076390 -0.642006 -0.089715
2017-01-02 -0.438976  1.063627  0.387825  1.312049
2017-01-03  0.101879  0.469225  0.860522  0.086417
2017-01-04 -0.670031  1.974935 -0.570337  0.478371
2017-01-05  0.250046 -1.385470 -0.893637 -1.786031
2017-01-06  0.876446 -0.167285 -0.475356 -0.145381
2017-01-07  0.291258  0.676994 -1.953909 -0.609507
2017-01-08 -0.569716  0.749637  1.038614 -0.502682
--------------------------------------------------
df[‘F‘]=s
                   A         B         C         D   F
2017-01-01 -0.598774  1.076390 -0.642006 -0.089715  10
2017-01-02 -0.438976  1.063627  0.387825  1.312049  11
2017-01-03  0.101879  0.469225  0.860522  0.086417  12
2017-01-04 -0.670031  1.974935 -0.570337  0.478371  13
2017-01-05  0.250046 -1.385470 -0.893637 -1.786031  14
2017-01-06  0.876446 -0.167285 -0.475356 -0.145381  15
2017-01-07  0.291258  0.676994 -1.953909 -0.609507  16
2017-01-08 -0.569716  0.749637  1.038614 -0.502682  17
--------------------------------------------------
df.at[dates[0],‘A‘]=99
                    A         B         C         D   F
2017-01-01  99.000000  1.076390 -0.642006 -0.089715  10
2017-01-02  -0.438976  1.063627  0.387825  1.312049  11
2017-01-03   0.101879  0.469225  0.860522  0.086417  12
2017-01-04  -0.670031  1.974935 -0.570337  0.478371  13
2017-01-05   0.250046 -1.385470 -0.893637 -1.786031  14
2017-01-06   0.876446 -0.167285 -0.475356 -0.145381  15
2017-01-07   0.291258  0.676994 -1.953909 -0.609507  16
2017-01-08  -0.569716  0.749637  1.038614 -0.502682  17
--------------------------------------------------
df.iat[1,1]=-66
                    A          B         C         D   F
2017-01-01  99.000000   1.076390 -0.642006 -0.089715  10
2017-01-02  -0.438976 -66.000000  0.387825  1.312049  11
2017-01-03   0.101879   0.469225  0.860522  0.086417  12
2017-01-04  -0.670031   1.974935 -0.570337  0.478371  13
2017-01-05   0.250046  -1.385470 -0.893637 -1.786031  14
2017-01-06   0.876446  -0.167285 -0.475356 -0.145381  15
2017-01-07   0.291258   0.676994 -1.953909 -0.609507  16
2017-01-08  -0.569716   0.749637  1.038614 -0.502682  17
--------------------------------------------------
df.loc[:,‘D‘]=np.array([4]*len(df))
                    A          B         C  D   F
2017-01-01  99.000000   1.076390 -0.642006  4  10
2017-01-02  -0.438976 -66.000000  0.387825  4  11
2017-01-03   0.101879   0.469225  0.860522  4  12
2017-01-04  -0.670031   1.974935 -0.570337  4  13
2017-01-05   0.250046  -1.385470 -0.893637  4  14
2017-01-06   0.876446  -0.167285 -0.475356  4  15
2017-01-07   0.291258   0.676994 -1.953909  4  16
2017-01-08  -0.569716   0.749637  1.038614  4  17
--------------------------------------------------
--------------------------------------------------

                    A          B         C  D   F
2017-01-01 -99.000000  -1.076390 -0.642006 -4 -10
2017-01-02  -0.438976 -66.000000 -0.387825 -4 -11
2017-01-03  -0.101879  -0.469225 -0.860522 -4 -12
2017-01-04  -0.670031  -1.974935 -0.570337 -4 -13
2017-01-05  -0.250046  -1.385470 -0.893637 -4 -14
2017-01-06  -0.876446  -0.167285 -0.475356 -4 -15
2017-01-07  -0.291258  -0.676994 -1.953909 -4 -16
2017-01-08  -0.569716  -0.749637 -1.038614 -4 -17

Process finished with exit code 0

原文地址:https://www.cnblogs.com/ggzhangxiaochao/p/9090365.html

时间: 2024-10-11 06:57:25

pandas设置值、更改值的相关文章

pandas设置值-【老鱼学pandas】

本节主要讲述如何根据上篇博客中选择出相应的数据之后,对其中的数据进行修改. 对某个值进行修改 例如,我们想对数据集中第2行第2列的数据进行修改: import pandas as pd import numpy as np dates = pd.date_range("2017-01-08", periods=6) data = pd.DataFrame(np.arange(24).reshape(6, 4), index=dates, columns=["A",

Pandas设置值

1.创建数据 >>> dates = pd.date_range('20130101', periods=6) >>> df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D']) >>> print(df) A B C D 2013-01-01 0 1 2 3 2013-01-02 4 5 6 7 2013-01-03 8 9 10 11

Panda的学习之路(3)——pandas 设置特定的值&处理没有数据的部分

先设定好我们的dataframe: # pandas 设置特定的值 dates=pd.date_range('20130101',periods=6) # print(dates) df=pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['a','b','c','d']) print(df) 结果: a b c d 2013-01-01 0 1 2 3 2013-01-02 4 5 6 7 2013-01-03 8 9 10

变量更改值

str更改值 是把 新的值 存储在新的内存地址中,str 是不可变数据类型;list更改值 是在原有的内存中,新的值覆盖老的值,list 是可变数据类型; 不可变数据类型:整型int.浮点型float.字符串型string和元组tuple; 可变数据类型:列表list和字典dict; 说明:变量指向的内存地址不变,值会变的,称为可变数据类型;值不会变的,称为不可变数据类型. 参考:https://blog.csdn.net/dan15188387481/article/details/49864

easyui-textbox 和 easyui-validatebox 设置值和获取值

表单作如下定义:该input使用easyui的"easyui-textbox" 1 <input id="addSnumber" style="width: 200px; height: 30px;" class="easyui-textbox" type="text" name="snumber" data-options="required:true, missing

Siebel 找字段、下拉菜单设置值、弹出新页面、弹出选择框、设置默认值 、按钮代码

产品缺陷太多,跟用户交互不人性化.例如搜索新建客户功能,用户输入后会自动保存数据,一旦保存后一. 找字段1.简单 CTRL+Q CTRL+Q 服务请求编号----对应的表.字段.长度: 客户编码-----对应的表.字段.长度(弹出新页面):- 点击上面的pick Applet会弹出“选取客户”对话框 有JOIN就不用TABLE:require代表必填 字段有两个值----项目编号 下图确定只有projectNum有用 3.表单中的字段(不在list column中,而是在control) 二.下

java 反射 根据属性 动态设置值

package com.jhl.jvm.lesson8; import java.lang.reflect.Field; /** * * @author jhl * java 反射 根据属性 动态设置值 demo * */ public class ExceptionLog { private String exceptionLogId; private String processingType; private String type; private String content; pub

windowSoftInputMode属性设置值

原文地址:http://blog.csdn.net/yunnywu/article/details/7926015 1).AndroidManifest.xml文件中界面对应的<activity>里加入           android:windowSoftInputMode="adjustPan"   键盘就会覆盖屏幕           android:windowSoftInputMode="stateVisible|adjustResize" 

利用反射获取字段并获取值或者设置值

package Reflect; import java.lang.reflect.Field;class User{ public String account; public String password;}class Student extends User{ public int age; public String name; private String sex; public Student() { System.out.println("调用无参构造器创建对象");