Pandas库：(四)数组对象的增删改操作

本文链接：https://blog.csdn.net/JBY2020/article/details/145775515

drop_duplicates删除重复的行

import pandas as pd

data1 = {
    '语文': [0, 19, 9, 28, 91, 56],
    '数学': [64, 81, 80, 17, 37, 52],
    '英语': [40, 25, 45, 58, 67, 57]
}

data2 = {
    '化学': [32, 38, 7, 12, 33, 28],
    '物理': [69, 43, 44, 62, 3, 67],
    '体育': [93, 7, 77, 95, 40, 89],
    '科目': ['科一', '科二', '科三', '科四', '科五', '科六']
}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2, index=["a", "b", "c", "d", "e", "f"])

新增数据

`concat`追加数据(增加行数据)

在 Pandas 中，append() 方法用于将一个 DataFrame 或 Series 的数据追加到另一个 DataFrame 的末尾。从 Pandas 2.0.0 开始，append() 方法已被弃用，而是使用 pd.concat() 方法来实现相同的功能。
def concat(
    objs: Iterable[Series | DataFrame] | Mapping[HashableT, Series | DataFrame],
    *,
    axis: Axis = 0,
    join: str = "outer",
    ignore_index: bool = False,
    keys: Iterable[Hashable] | None = None,
    levels=None,
    names: list[HashableT] | None = None,
    verify_integrity: bool = False,
    sort: bool = False,
    copy: bool | None = None,
) -> DataFrame | Series:
常用参数说明：

ignore_index=True ：是否生成新的索引,新索引使用系统默认的整型索引。

axis=0：表示沿着指定的轴拼接（默认为0，表示行方向；1时表示为列方向）。

result1 = pd.concat([df1, df2], ignore_index=False)
result2 = pd.concat([df1, df2], axis=0)
print(result1)
print(result2)

insert插入数据(增加列数据)

    def insert(
        self,
        loc: int,
        column: Hashable,
        value: Scalar | AnyArrayLike,
        allow_duplicates: bool | lib.NoDefault = lib.no_default,
    ) -> None:
参数说明：

loc: 插入位置的索引（从 0 开始）。例如，loc=0 表示在第一列插入，loc=1 表示在第二列插入，以此类推。

column: 新列的名称（字符串）。

value: 要插入的数据。可以是一个标量值、列表、NumPy 数组或 Series 对象。

allow_duplicates: 是否允许插入重复的列名。默认为 False，即不允许重复列名。

print(df1)
value = [80, 38, 70, 51, 33, 48]
df1.insert(loc=2, column='生物', value=value)
print(df1)