Pandas DataFrame 实战指南：精通行与列的高效操作

2026-02-01 23:30:51 0条评论 1次阅读 0人点赞

在数据科学和分析的日常工作中，我们经常需要处理复杂的表格数据。Pandas 的 DataFrame 是 Python 中最强大的工具之一，它本质上是一个二维的表格结构，类似于我们熟知的 Excel 电子表格或 SQL 数据库中的表。但与它们不同的是，Pandas 在处理大规模数据时提供了无与伦比的灵活性和性能。

你是否曾经在面对杂乱无章的数据集时感到无从下手？或者因为不知道如何快速筛选出关键行而不得不手动复制粘贴？在这篇文章中，我们将深入探讨如何高效地处理 DataFrame 中的行和列。我们将一起学习如何选择、添加、删除以及重命名数据，并通过实际案例让你掌握这些核心技能，帮助你从繁琐的数据清洗中解放出来，专注于更有价值的数据分析工作。

为了让大家更好地理解，我们将使用一个包含球员信息的NBA数据集作为示例（当然，这些技巧适用于任何结构化数据）。让我们先来看看这个数据集大概长什么样。

> 准备工作：为了跟随后续的代码练习，建议你准备一个类似的 CSV 文件，或者直接使用 Pandas 读取任意结构化数据来进行实验。

1 核心概念：行与列的视角
2 处理列：数据属性的管理
3 处理行：数据的切片与清洗
4 总结与进阶建议

核心概念：行与列的视角

在开始写代码之前，我们需要统一一下对 DataFrame 结构的认知。下图清晰地展示了一个典型的 DataFrame 结构。

!DataFrame 示例

图示：DataFrame 数据集结构

我们可以把 DataFrame 想象成一个由许多“小盒子”组成的网格：

列：通常代表数据的属性或变量。比如图中的“Name”（姓名）、“Team”（球队）、“Age”（年龄）等。每一列都是一个 Pandas Series，包含了该属性下的所有数据。
行：代表具体的观测记录或样本。图中的每一行都对应一名特定的球员及其相关信息。
索引：每一行最前面的那个数字（或标签），它是行的唯一标识符。默认情况下是 0, 1, 2… 但我们可以将其设置为更有意义的值（比如球员姓名）。

理解了这些基本构成单元后，让我们开始动手操作。

处理列：数据属性的管理

列操作是数据处理中最频繁的动作。无论是提取特定字段进行分析，还是根据现有数据计算新特征，都离不开对列的操作。

1. 精准选择列

面对成百上千列的数据，我们往往只对其中的几列感兴趣。不要试图处理不需要的数据，选择出相关的列可以显著提高代码的可读性和执行效率。

我们可以通过列名来轻松筛选数据。

import pandas as pd

# 读取数据
df = pd.read_csv(‘your_file.csv‘)

# 选择单列（返回 Series）
names = df[‘Name‘] 

# 选择多列（返回 DataFrame）
# 建议传入一个列表，即使只有一列，也能保持 DataFrame 格式
player_info = df[[‘Name‘, ‘Age‘, ‘Team‘]]

print(player_info.head())

输出：

!选择列结果

#### 实战见解：

链式操作：你可以在选择列后直接链接其他方法，例如 df[[‘Name‘, ‘Salary‘]].sort_values(‘Salary‘)。这种写法非常符合 Python 的优雅风格。
错误排查：如果报错 INLINECODEa220498c，请首先检查列名中是否包含多余的空格（如 INLINECODEc5404aeb），这是初学者常犯的错误。

2. 动态添加列

数据清洗中，我们经常需要根据现有数据生成新特征。比如，我们想给每个球员加一个“经验值”字段，或者将身高从公制转换为美制。

#### 方法 A：直接赋值（标量或列表）

这是最简单的方法，适用于简单的填充。

# 添加一列，所有行的值都设为 1
df[‘Experience‘] = 1

# 也可以传入一个与行数相等的列表或数组
# df[‘Random_Data‘] = range(len(df))

print(df.head())

输出：

!添加列结果

#### 方法 B：基于现有列计算（向量化操作）

这是 Pandas 最强大的地方。我们不需要写循环，直接对整列进行数学运算。

# 假设我们有一个 ‘Salary‘ 列，想计算年薪后的税后收入（假设税率 20%）
# 注意：这只是为了演示，实际数据集中 Salary 列可能需要先清理字符串符号
if ‘Salary‘ in df.columns:
    df[‘After_Tax_Salary‘] = df[‘Salary‘] * 0.8
    
    # 或者组合字符串列
    df[‘Player_Info‘] = df[‘Name‘] + " - " + df[‘Team‘]

性能提示：尽量避免使用 INLINECODE36d82c11 循环逐行赋值。利用 Pandas 的向量化操作（如 INLINECODE98d58cdc），速度通常会比循环快几十倍甚至上百倍。

3. 删除不需要的列

数据集中往往包含大量冗余信息。为了节省内存并聚焦分析目标，我们需要及时“断舍离”。

使用 drop() 方法是标准做法。

# 删除单列
# axis=1 表示沿着列的方向操作（默认是 axis=0，即行）
# inplace=True 表示直接在原数据上修改，而不是返回一个新的副本

df.drop(‘Experience‘, axis=1, inplace=True)

# 删除多列
df.drop([‘Experience‘, ‘Weight‘], axis=1, inplace=True)

print(df.head())

输出：

!删除列结果

#### 最佳实践：

如果你不确定数据中是否存在该列，直接 INLINECODE9f73cbbe 可能会报错。为了避免程序中断，可以加上 INLINECODE44a1ac87 参数：

# 如果列存在则删除，不存在也不报错
df.drop(‘Non_Existent_Column‘, axis=1, errors=‘ignore‘, inplace=True)

处理行：数据的切片与清洗

掌握了列的操作后，让我们来看看如何处理行——也就是具体的记录。

1. 选择行：定位数据

选择行通常有两种场景：一是通过标签（比如球员名字）选择，二是通过位置索引（比如第 5 行）选择。

#### 使用 .loc[] 通过标签选择

这是最推荐的行选择方式，因为它代码可读性强，且不依赖于数据在表格中的物理位置。我们需要先设置某一列为索引。

# 将 ‘Name‘ 列设为索引，这样我们就可以通过名字找人
data = pd.read_csv("your_file.csv", index_col="Name")

# 选择单行，返回一个 Series
first_player = data.loc["Avery Bradley"]
print("单行结果：")
print(first_player)

print("
" + "="*20 + "
")

# 选择多行，返回一个 DataFrame
selected_players = data.loc[["Avery Bradley", "R.J. Hunter"]]
print("多行结果：")
print(selected_players)

输出：

!选择行结果

#### 使用 .iloc[] 通过位置选择

有时候你只是想简单地“取前10行”或“取最后5行”，这时候不需要关心索引是什么，用位置更方便。

# 选择第一行（索引为0）
first_row = df.iloc[0]

# 选择前 5 行
top_five = df.iloc[0:5]

# 选择特定位置的行（例如第 1, 3, 5 行）
specific_rows = df.iloc[[0, 2, 4]]

#### 常见陷阱：切片的包含性

注意 INLINECODE93ceb594 的切片是左闭右开（不包含结束位），而 INLINECODE4ba6670e 的切片是左闭右闭（包含结束位）。

df.iloc[0:2] -> 取第 0, 1 行。
df.loc[‘A‘:‘C‘] -> 取索引从 A 到 C 的所有行（包含 C）。

2. 添加行：扩充数据集

在现实工作中，我们很少手动“插入”一行数据（因为效率低），更多时候是将新采集的数据表 concat（拼接）到主表中。

#### 场景：追加新数据

假设我们有一个新的字典数据，代表一名新加入的球员，我们需要把他加入到现有的 DataFrame 中。

import pandas as pd
df = pd.read_csv(‘your_file.csv‘)

# 定义新行数据（注意：键名必须与 DataFrame 的列名完全一致）
new_row_data = {
    ‘Name‘: ‘New Player‘,
    ‘Team‘: ‘Boston‘,
    ‘Number‘: 99,
    ‘Position‘: ‘PG‘,
    ‘Age‘: 22,
    ‘Height‘: ‘6-0‘,
    ‘Weight‘: 180,
    ‘College‘: ‘University of Python‘,
    ‘Salary‘: 50000
}

# 步骤 1: 将字典转换为 DataFrame（注意要包在列表里 [new_row_data]）
new_df = pd.DataFrame([new_row_data])

# 步骤 2: 使用 concat 进行拼接
# ignore_index=True 会重置索引，避免索引重复
# 注意：Pandas 新版中 append 方法已被废弃，推荐使用 concat
df = pd.concat([df, new_df], ignore_index=True)

# 查看最后几行以确认添加成功
print(df.tail(2))

输出：

!添加行结果

#### 性能警告：

不要在循环中反复使用 pd.concat！如果需要添加几千行数据，先把所有新行收集到一个列表中，最后统一转换成 DataFrame 再进行一次 concat。这会让你的代码速度快 100 倍以上。

3. 删除行：过滤噪声

删除行通常用于清洗数据，比如去除重复项、去除空值行，或者去除特定的异常样本。

# 重新加载数据并设置 Name 为索引，方便演示
data = pd.read_csv("your_file.csv", index_col="Name")

# 删除指定的行（通过索引标签）
# 这里我们删除几位特定的球员
players_to_remove = ["Avery Bradley", "John Holland", "R.J. Hunter"]

# inplace=True 直接修改原对象
data.drop(players_to_remove, inplace=True)

print(data.head())

输出：

!删除行结果

#### 进阶技巧：条件删除（过滤）

实际上，我们很少手动指定删除谁，而是根据条件“过滤”掉不需要的行。这虽然本质上不是删除操作，但效果是一样的。

# 比如我们只想保留年龄大于 25 岁的球员
# 这会返回一个新的 DataFrame，不满足条件的行会被“丢弃”
filtered_df = df[df[‘Age‘] > 25]

# 或者：去除 Salary 列为空值的行
df.dropna(subset=[‘Salary‘], inplace=True)

总结与进阶建议

通过这篇文章，我们从零开始构建了处理 Pandas DataFrame 行和列的知识体系。我们不仅学会了如何使用 INLINECODE6be7e177, INLINECODE17892e55, INLINECODE01dfc120 来选择数据，掌握了 INLINECODE22226a8c 和 INLINECODEba62c4fa 来添加数据，还了解了 INLINECODEbb2d7445 方法在清理数据中的妙用。

关键要点回顾：

列操作侧重于特征工程（计算新指标）和数据精简（丢弃无用字段）。
行操作侧重于数据清洗（过滤脏数据）和数据合并。
性能至上：尽量避免在循环中对 DataFrame 进行逐行操作，尽量使用向量化运算或批量处理方法。
索引的重要性：设置有意义的索引（如 ID、日期）能极大地方便我们使用 .loc 进行数据检索。

下一步建议：

既然你已经掌握了行和列的基础操作，接下来可以尝试探索更复杂的数据处理任务：

学习如何处理缺失值（INLINECODE9a737c0b, INLINECODE580f144e）。
掌握 Group By 操作，学会按类别聚合数据。
尝试 Merge 和 Join 操作，就像 SQL 一样关联不同的数据表。

Pandas 的世界非常广阔，但掌握了这些基础后，你已经迈出了最坚实的一步。去尝试分析你自己的数据吧，如果有任何问题，欢迎随时查阅更多进阶教程。祝你在数据探索的旅程中玩得开心！

投稿给我们	如何建站？
vps是什么？	如何安装宝塔？
如何通过博客赚钱？	便宜wordpress托管方案
免费wordpress主题	这些都是免费方案

豆丁博客

Pandas DataFrame 实战指南：精通行与列的高效操作

核心概念：行与列的视角

处理列：数据属性的管理

1. 精准选择列

2. 动态添加列

3. 删除不需要的列

处理行：数据的切片与清洗

1. 选择行：定位数据

2. 添加行：扩充数据集

3. 删除行：过滤噪声

总结与进阶建议

相关文章美国1G带宽/1T流量高速vps $17.99/年