Python变量管理

发布于 2022年10月4日 星期二 22:14:18 浏览:1106
原创不易,转载请注明来源,感谢!
附件下载:
Python的变量管理.zip 请勿重复点击,如无响应请耐心等待或稍后再试。

关键词:Python数据转换; Python数据拆分; Python数据合并; Python变量赋值

以“data.csv”演示增加/删除变量的操作过程。

一、数据读取及变量索引

(一) 读取数据

使用pandas库读取“data.csv”(可在“附件下载”处下载),读取数据结果见图1。

# 读取数据

import pandas as pd  # 导入Pandas库
data = pd.read_csv(’data.csv’)
type(data)
data
图1

# 查看格式

print(type(data))

为DataFrame格式文件,见图2。

图2

(二) 变量索引

在python中采用loc函数进行变量索引,索引格式为:data.loc[行索引,列索引]

# 提取age列(图3)

data.loc[:,’age’] # 行索引为“:”表示所有行

图3

# 索引age到hight列(图4)

data.loc[:,’age’:’hight’]

图4

# 索引age和weight两列数据第5-10行数据(图5)

data.loc[5:10,['age','weight']]

图5

二、增加/删除变量

(一) 表格末尾添加变量

# 使用loc函数创建新变量。

BMI= data.loc[:,'weight']/((data.loc[:,'hight']/100)**2)
data.loc[:,'BMI'] = BMI
data

可见在数据集data中生成了一个新变量BMI(图6)。

图6

(二) 指定位置插入

使用insert()可以创建新的变量,如在第2列插入一个名为“BMI2”的新变量,见图7。

BMI=data.loc[:,'weight']/((data.loc[:,'hight']/100)**2)
data.insert(loc=2,column='BMI2',value=BMI)  #在第2列位置上,插入列名为BMI2,值为BMI计算结果数值(注:列数从0而不是1开始)
data
图7

(三)删除操作

使用drop()可以删除已有的行或列数据

# 删除BMI2列

data.drop(labels = 'BMI2',axis = 1,inplace = True)
data

drop()函数参数中,labels为需要删除的索引名称,需要同时删除多列时,传入索引列表即可;axis为控制操作轴,0为行,1为列,即0时删除行,1删除列;inplace为是否对原对象进行修改,inplace为False时,data文件中的BMI2列并不会被真正删除,为True时则删除原文件相应内容。图8可以看出数据集中已删除变量BMI2。

图8

# 删除第5行数据

data.drop(labels=5,axis = 0,inplace=True)

图9可见第5行的数据被删除。,inplace为False时,data文件中的第5行数据并不会被真正删除,为True时则删除原文件相应内容。但当inplace为False时并未真正的删除data中的第5行数据。

图9

三、变量/数据转换

在数据分析过程中,常常需要对变量重新赋值或者计算生成一个新变量,这都涉及到变量和数据的转换,下面以“data.csv”演示变量/数据转换的操作步骤。

在进行数据分析之前,有时需要对变量进行相应调整,比如对于“示例数据1”,原来的“grade (年级)”变量中“1”代表大一,“2”代表大二,“3”代表大三,“4”代表大四,后面的研究中需要将大一和大二合并,大三和大四合并,此时就需要对“grade”这个变量重新编码,结果见图10。

data.loc[(data['grade']== 1)|(data['grade']== 2),'grade']= 1
data.loc[(data['grade']== 3)|(data['grade']== 4),'grade']= 2
data
图10
End
文章目录 沉浸式阅读