Python变量管理

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

# 查看格式

print(type(data))

为DataFrame格式文件，见图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

# 索引age到hight列(图4)

data.loc[:,’age’:’hight’]

# 索引age和weight两列数据第5-10行数据(图5)

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

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)。

(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

(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。

# 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。

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