Pandas和向表中添加列和数据

基础概念

Pandas 是一个开源的 Python 数据分析库，提供了高性能、易于使用的数据结构和数据分析工具。Pandas 最主要的数据结构是 DataFrame，它是一个二维表格型数据结构，类似于 Excel 表格或 SQL 表。

向 DataFrame 中添加列和数据

添加列

1. 直接赋值：
2. 直接赋值：
3. 使用 assign() 方法：
4. 使用 assign() 方法：

添加数据

1. 添加单行数据：
2. 添加单行数据：
3. 添加多行数据：
4. 添加多行数据：

优势

1. 高效的数据操作：Pandas 提供了丰富的数据操作功能，如数据清洗、数据转换、数据聚合等。
2. 易于使用：Pandas 的 API 设计简洁直观，易于上手。
3. 强大的数据处理能力：Pandas 可以处理大规模数据集，并且提供了多种数据处理方法。

类型

Pandas 中的主要数据结构有：

1. Series：一维数组，类似于 Python 的列表或 NumPy 的一维数组。
2. DataFrame：二维表格型数据结构，类似于 Excel 表格或 SQL 表。
3. Panel：三维数据结构，用于处理三维数据（较少使用）。

应用场景

1. 数据清洗和预处理：Pandas 提供了丰富的数据清洗和预处理功能，如缺失值处理、数据类型转换等。
2. 数据分析：Pandas 可以进行各种数据分析操作，如统计分析、数据可视化等。
3. 数据导入导出：Pandas 支持多种数据格式的导入和导出，如 CSV、Excel、SQL 数据库等。

常见问题及解决方法

问题：添加列时出现 KeyError

原因：通常是因为尝试添加的列名已经存在于 DataFrame 中，或者列名拼写错误。

解决方法：

# 检查列名是否存在
if 'C' not in df.columns:
    df['C'] = [7, 8, 9]
else:
    print("列名已存在")

问题：添加数据时出现 ValueError

原因：通常是因为新数据的列数与 DataFrame 的列数不匹配。

解决方法：

# 确保新数据的列数与 DataFrame 的列数匹配
new_rows = pd.DataFrame({
    'A': [5, 6],
    'B': [8, 9],
    'C': [11, 12],
    'D': [14, 15]
})
df = pd.concat([df, new_rows], ignore_index=True)

参考链接

• Pandas 官方文档
• Pandas 教程

希望这些信息对你有所帮助！如果有更多问题，请随时提问。