{DAY 18} Pandas 学习笔记part.4

前言

今天要接续DataFrame的介绍

这篇文章会分成两个部分：

1. 资料的删除
2. 资料的新增

会利用kaggle上的开源资料进行更多的pandas练习

Kaggle: Your Machine Learning and Data Science Community

kaggle是资料科学世界常用的开源网站

上面提供大量且即时的资料档案可以方便学习者练习

也有教学的课程可以针对自己有兴趣的方面学习

还会举办资料科学的相关竞赛

更提供各种的讨论空间让大家可以在上面交流想法跟解决疑惑

如果想做project

上面也会有很多很好的idea可以参考

总而言之就是对想学资料科学的人来说

非常万能的平台

看的课程还是Coursera上的 Introduction to Data Science in Python

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

练习是利用上述课程里教的搭配以前在学校学过的知识

整里并且搭配实际的资料档

整理出来的笔记

资料的删除

这里练习的dataframe是沿用上篇文章里使用到的顾客资料

先来看看dataframe原本的样子

df

1. 使用.drop()

当我们想要删除特定row里的值，可以使用.drop()，这种用法是回传删掉特定row的新DataFrame

要注意的是并不会更动原始的资料表

假如现在不想要顾客2的资料

df.drop("customer2")

https://i.imgur.com/UeJP6BP.png

可以看到删掉顾客二後剩下的资料

现在来检查原本的资料表有没有任何变化

df

原始的资料并不会因为drop.( )而改变，

但是当想要更改到资料表内的原始值

通常会在drop内加上参数，

inplace=True代表要替换到原始值，

而axis则是要更动的维度，0是row，1是column

先复制Dataframe，利用copy.( )

copy_df = df.copy()
#再来加上参数
copy_df.drop("City",inplace=True,axis=1)
copy_df

可以看到成功删除"City"的column

2. 使用del

第二种可以直接透过indexing operator删除的方式，利用del

del copy_df["Age"]
copy_df

这个方法会直接更改到原始的资料

资料的新增

如果想要新增column，可以直接使用[ ]

[ ] 里可以放指定的list，或是统一的值

假如现在想要放每个顾客购买的品项

先建立一个资料值全为null的column

df["Items"] = None
df

现在利用list指定每个顾客买的商品品项

df["Items"] = ["computer","headphone","water bottle"]
df

可以看到成功加上每个顾客购买的品项

小结

今天练习的部分处理到资料的新增或删除

要很小心的是

在pandas里有些资料的语法虽然用途一样

但有的可能会更动到原始dataframe，有的不会

像是有的会直接复制一个新的dataframe进行指定操作再回传

有的则是会更新到原始资料

所以根据想要操作的方式

需要搭配不同的语法

在练习的时候也要格外小心该语法是否会更动到资料的原始数值

记得使用这个参数：inplace=True