首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在pandas dataframe列中,如果是2017,请删除最后4位数字

答案: 要删除pandas dataframe列中特定条件下的数据,可以使用条件筛选和切片操作。针对这个问题,可以使用pandas的条件筛选功能来实现。

首先,需要使用条件筛选选出符合条件的行,即列中的值以2017结尾。可以使用pandas的字符串方法str.endswith()来实现。然后,再使用切片操作删除最后4位数字。

以下是实现该操作的代码示例:

代码语言:txt
复制
import pandas as pd

# 创建一个示例DataFrame
data = {'col1': ['201701', '201702', '201703', '201704', '201705'],
        'col2': ['value1', 'value2', 'value3', 'value4', 'value5']}
df = pd.DataFrame(data)

# 使用条件筛选选出符合条件的行
condition = df['col1'].str.endswith('2017')

# 使用切片操作删除最后4位数字
df.loc[condition, 'col1'] = df.loc[condition, 'col1'].str[:-4]

# 打印结果
print(df)

输出结果为:

代码语言:txt
复制
   col1    col2
0  2017  value1
1  2017  value2
2  2017  value3
3        value4
4        value5

在这个示例中,我们创建了一个包含两列的DataFrame,其中一列为'col1',包含了以年份结尾的字符串。然后,我们使用条件筛选选出以2017结尾的行,并使用切片操作删除了最后4位数字。最后,打印出处理后的DataFrame。

推荐的腾讯云相关产品和产品介绍链接地址:

  • 腾讯云对象存储(COS):https://cloud.tencent.com/product/cos
  • 腾讯云云服务器(CVM):https://cloud.tencent.com/product/cvm
  • 腾讯云数据库(TencentDB):https://cloud.tencent.com/product/cdb
  • 腾讯云人工智能(AI):https://cloud.tencent.com/product/ai
  • 腾讯云物联网(IoT):https://cloud.tencent.com/product/iot
  • 腾讯云移动开发(移动推送、移动分析等):https://cloud.tencent.com/product/mobile
  • 腾讯云区块链(BCS):https://cloud.tencent.com/product/bcs
  • 腾讯云元宇宙(Tencent XR):https://cloud.tencent.com/product/xr

请注意,以上链接仅供参考,具体产品选择应根据实际需求和情况进行评估。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Pandas

Pandas是专门用于数据挖掘的开源python库,也可用于数据分析。Pandas以Numpy为基础,借力Numpy模块计算方面性能高的优势;同时基于matplotlib,能够简便的画图。...如果是,变为multindex drop:布尔值,默认是True。当做新的索引,删除原来的。..., key, **kwargs) 注意:最后保存内容是 xx.h5 官方推荐使用 优先选择使用HDF5文件存储 HDF5存储的时候支持压缩,使用的方式是blosc,这个是速度最快的也是pandas默认支持的...答:连续属性的离散化就是连续属性的值域上,将值域划分为若干个离散的区间,最后用不同的符号或整数值代表落在每个子区间中的属性值。 简单的说,就是对数据进行分类。...答:把每个类别生成一个布尔,这些只有一可以为这个样本取值为1。其又被称为热编码。

4.9K40

python数据科学系列:pandas入门详细教程

pandas早些版本,除一维数据结构series和二维数据结构dataframe外,还支持三维数据结构panel。.../最后一行/无保留,例如keep=first意味着存在重复的多行时,首行被认为是合法的而可以保留 删除重复值,drop_duplicates,按行检测并删除重复的记录,也可通过keep参数设置保留项。...由于该方法默认是按行进行检测,如果存在某个需要需要按删除,则可以先转置再执行该方法 异常值,判断异常值的标准依赖具体分析数据,所以这里仅给出两种处理异常值的可选方法 删除,drop,接受参数特定轴线执行删除一条或多条记录...,可通过axis参数设置是按行删除还是按删除 替换,replace,非常强大的功能,对series或dataframe每个元素执行按条件替换操作,还可开启正则表达式功能 2 数值计算 由于pandas...是numpy的基础上实现的,所以numpy的常用数值计算操作pandas也适用: 通函数ufunc,即可以像操作标量一样对series或dataframe的所有元素执行同一操作,这与numpy

13.8K20

如何用 Python 执行常见的 Excel 和 SQL 任务

请注意,Python 索引从0开始,而不是1,这样,如果要调用 dataframe 的第一个值,则使用0而不是1!你可以通过圆括号内添加你选择的数字来更改显示的行数。试试看!...删除 有一些数据损坏!如果你查看 Rank ,你会注意到散乱的随机破折号。这不是很好,由于实际的数字顺序被破坏,这使得 Rank 无用,特别是使用 Pandas 默认提供的编号索引。...幸运的是,使用内置的 Python 方法:del,删除变得很容易。 ? 现在,通过另外调用 head 方法,我们可以确认 dataframe 不再包含 rank 。 ?...现在我们已经删除了逗号,我们可以轻易地将转换为数字。 ? 现在我们可以计算这的平均值。 ?...幸运的是,Pandas 拥有强大的数据透视表方法。 ? ? 你会看到我们收集了一些不需要的。幸运的是,使用 Pandas 的 drop 方法,你可以轻松地删除几列。 ? ?

10.7K60

pandas | 使用pandas进行数据处理——DataFrame

当我们jupyter输出的时候,它会自动为我们将DataFrame的内容以表格的形式展现。...从numpy数据创建 我们也可以从一个numpy的二维数组来创建一个DataFrame,如果我们只是传入numpy的数组而不指定列名的话,那么pandas将会以数字作为索引为我们创建: ?...如果是一些比较特殊格式的,也没有关系,我们使用read_table,它可以从各种文本文件读取数据,通过传入分隔符等参数完成创建。...返回的结果是这些新的组成的新DataFrame。 ? 我们可以用del删除一个我们不需要的: ?...由于DataFrame当中每一单独一个类型,而转化成numpy的数组之后所有数据共享类型。那么pandas会为所有的找一个通用类型,这就是为什么经常会得到一个object类型的原因。

3.4K10

Pandas 第一轮零基础扫盲

例如 Numpy 是基于数组的运算,但是实际工作,我们的数据元素会非常复杂,会同时包含文字格式、数字格式、时间格式等,显然 Numpy就不适用了。...总结如下: 快速高效的数据结构 智能的数据处理能力 方便的文件存取功能 科研及商业应用广泛 对于 Pandas 有两种基础的数据结构,基本上我们使用的时候就是处理 Series 和 DataFrame...999 999 b 100 hanmeimei c 135 aiyuechuang 注意:如果你是如此操作提取数据的话—— data['Score'] ,在下一步修改数据如果是这样操作的话...columns 时要指定 axis=1; # index 直接指定要删除的行 # columns 直接指定要删除 # inplace=False,默认该删除操作不改变原数据,而是返回一个执行删除操作后的新...因此,删除行列有两种方式: labels=None,axis=0 的组合 index 或 columns 直接指定要删除的行或 In [111]: df = pd.DataFrame(np.arange

2K00

pandas入门教程

或者通过conda 来安装pandas: ? 目前(2018年2月)pandas的最新版本是v0.22.0(发布时间:2017年12月29日)。...DataFrame可以看做是Series的容器,即:一个DataFrame可以包含若干个Series。 注:0.20.0版本之前,还有一个三维的数据结构,名称为Panel。...这段输出说明如下: 输出的最后一行是Series数据的类型,这里的数据都是int64类型的。 数据第二输出,第一是数据的索引,pandas称之为Index。...我们可以通过下面的形式给DataFrame添加或者删除数据: ? 这段代码输出如下: ? Index对象与数据访问 pandas的Index对象包含了描述轴的元数据信息。...下面是一些实例,第一组数据,我们故意设置了一些包含空格字符串: ? 在这个实例我们看到了对于字符串strip的处理以及判断字符串本身是否是数字,这段代码输出如下: ?

2.2K20

pythonpandasDataFrame对行和的操作使用方法示例

pandasDataFrame时选取行或: import numpy as np import pandas as pd from pandas import Sereis, DataFrame...6所的行的第4,有点拗口 Out[31]: d three 13 data.ix[data.a 5,2:4] #选择'a'中大于5所的行的第3-5(不包括5) Out[32]: c...d three 12 13 data.ix[data.a 5,[2,2,2]] #选择'a'中大于5所的行的第2并重复3次 Out[33]: c c c three 12 12 12 #还可以行数或数跟行名列名混着用...: a b c d e three 10 11 12 13 14 data.ix[-1] #取DataFrame最后一行,返回的是Series类型,这个一样,行索引不能是数字时才可以使用 Out...github地址 到此这篇关于pythonpandasDataFrame对行和的操作使用方法示例的文章就介绍到这了,更多相关pandasDataFrame行列操作内容搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持

13.3K30

最全面的Pandas的教程!没有之一!

下面这个例子里,将创建一个 Series 对象,并用字符串对数字列表进行索引: ? 注意:记住, index 参数是可省略的,你可以选择不输入这个参数。...务必记住,除非用户明确指定,否则在调用 .drop() 的时候,Pandas 并不会真的永久性地删除这行/。这主要是为了防止用户误操作丢失数据。 你可以通过调用 df 来确认数据的完整性。...这个方法将把目标 DataFrame 的索引保存在一个叫 index 的,而把表格的索引变成默认的从零开始的数字,也就是 [0, ..., len(data) - 1] 。比如下面这样: ?... DataFrame 缺少数据的位置, Pandas 会自动填入一个空值,比如 NaN或 Null 。...最后,on='Key' 代表需要合并的键值所在的最后整个表格会以该列为准进行归并。 对于两个都含有 key DataFrame,我们可以这样归并: ?

25.8K64

Pandas学习笔记01-基础知识

基础知识 1、Pandas模块安装与导入 命令行使用conda或pip直接安装 # conda conda install pandas # or PyPI pip install pandas...DataFrame:它是Pandas的一个表格型的数据结构,包含有一组有序的,每可以是不同的值类型(数值、字符串、布尔型等),DataFrame即有行索引也有索引,可以被看做是由Series组成的字典...>>>df = pd.DataFrame(data,index = ['2020','2019','2018','2017','2016']) >>>df Out[10]: 1 2 ...2016 e E 4 ⑤新增或删除 新增列 常规方式是最后后面新增一,用insert方法可以指定位置新增列。...3 d 2016 6 e E 4 a 删除 常见的有drop、del或pop #drop返回删除后的结果,但是原DataFrame数据不变,若需要改变,可以设置参数inplace

71910

-Pandas 清洗“脏”数据(一)

庆幸的是,Pandas 提供功能强大的类库,不管数据处于什么状态,他可以帮助我们通过清洗数据,排序数据,最后得到清晰明了的数据。...我们的案例,我们推断地区并不是很重要,所以,我们可是使用“”空字符串或其他默认值。...如果想了解更多 fillna() 的详细信息参考 pandas.DataFrame.fillna。 使用数字类型的数据,比如,电影的时长,计算像电影平均时长可以帮我们甚至是数据集。...如果是多个,可以使用列名的 list 作为参数。 删除不完整的 我们可以上面的操作应用到列上。我们仅仅需要在代码上使用 axis=1 参数。这个意思就是操作而不是行。...和 subset,更多的详情和案例,参考pandas.DataFrame.dropna。

3.8K70

数据分析工具Pandas1.什么是Pandas?2.Pandas的数据结构SeriesDataFrame3.Pandas的索引操作索引对象IndexSeries索引DataFrame索引高级索引:标签

类似一维数组的对象 由数据和索引组成 索引(index)左,数据(values)右 索引是自动创建的 1....DataFrame是一个表格型的数据结构,它含有一组有序的,每可以是不同类型的值。...类似多维数组/表格数据 (如,excel, R的data.frame) 每数据可以是不同的类型 索引包括索引和行索引 1....删除 del df_obj[col_idx] 示例代码: # 删除 del(df_obj2['G'] ) print(df_obj2.head()) 运行结果: A...索引操作,可将其看作ndarray的索引操作 标签的切片索引是包含末尾位置的 ---- 4.Pandas的对齐运算 是数据清洗的重要过程,可以按索引对齐进行运算,如果没对齐的位置则补NaN,最后也可以填充

3.8K20

Pandas笔记_python总结笔记

删除 方法一:直接del DF['column-name'] 方法二:采用drop方法,有下面三种等价的表达式: 1. DF= DF.drop('column_name', 1); 2....DF.drop('column_name',axis=1, inplace=True) # inplace=true表示对原DF操作,否则将结果生成一个新的DF 3....DF.drop(DF.columns[ : ], axis=1,inplace=True) # Note: zero indexed pandas删除 根据时间范围过滤 df = df.set_index...as plt #读取文本数据到DataFrame,将数据转换为matrix,保存在dataSet df = pd.read_table('d:/22.txt') dataSet = df.as_matrix...无法绘图 最近用了pycharm,感觉还不错,就是pandasSeries、DataFrame的plot()方法不显示图片就给我结束了,但是我ipython里就能画图 以前的代码是这样的 import

69220

通宵翻译Pandas官方文档,写了这份Excel万字肝货操作!

Pandas ,如果未指定索引,则默认使用 RangeIndex(第一行 = 0,第二行 = 1,依此类推),类似于电子表格的行标题/数字。... Pandas ,您需要更多地考虑控制 DataFrame 的显示方式。 默认情况下,pandas 会截断大型 DataFrame 的输出以显示第一行和最后一行。...DataFrame.drop() 方法从 DataFrame 删除。...填充柄 一组特定的单元格按照设定的模式创建一系列数字电子表格,这将在输入第一个数字后通过 shift+drag 或通过输入前两个或三个值然后拖动来完成。... Pandas ,这个操作一般是通过条件表达式一次对整个DataFrame 完成。

19.5K20

如何在Python 3安装pandas包和使用数据结构

], name='Squares') 现在,让我们打电话给系列,这样我们就可以看到pandas的作用: s 我们将看到以下输出,左的索引,右的数据值。...Python词典提供了另一种表单来pandas设置Series。 DataFrames DataFrame是二维标记的数据结构,其具有可由不同数据类型组成的。...DataFrame对数据进行排序 我们可以使用DataFrame.sort_values(by=...)函数对DataFrame的数据进行排序。...删除或注释掉我们添加到文件最后两行,并添加以下内容: ... df_fill = df.fillna(0) ​ print(df_fill) 当我们运行程序时,我们将收到以下输出: first_name...您现在应该已经安装pandas,并且可以使用pandas的Series和DataFrames数据结构。 想要了解更多关于安装pandas包和使用数据结构的相关教程,前往腾讯云+社区学习更多知识。

18.2K00

【干货】pandas相关工具包

panel data是经济学关于多维数据集的一个术语,Pandas也提供了panel的数据类型。 Pandas用于广泛的领域,包括金融,经济,统计,分析等学术和商业领域。...本教程,我们将学习Python Pandas的各种功能以及如何在实践中使用它们。 2 Pandas 主要特点 快速高效的DataFrame对象,具有默认和自定义的索引。...将数据从不同文件格式加载到内存的数据对象的工具。 丢失数据的数据对齐和综合处理。 重组和摆动日期集。 基于标签的切片,索引和大数据集的子集。 可以删除或插入来自数据结构的。...DataFrame:二维的表格型数据结构,很多功能与R的data.frame类似,可以将DataFrame理解为Series的容器。 Panel :三维数组,可以理解为DataFrame的容器。...下面是本篇文章的主要介绍的内容,就是有关在日常使用提高效率的pandas相关的工具包 4 pandas-profiling 从pandas DataFrame对象创建HTML形式的分析报告 官方链接

1.5K20

pandas分组聚合详解

price ,根据hobby进行分组,最后对分好组的数据进行处理求均值; # 是个生成器 group = frame['price'].groupby(frame['hobby']) # 求均值...,否则求均值时会报异常 如果是根据多分组则在groupby后面使用列表指定,并且调用求均值函数;输出的值将是分组,均值结果; group = frame['price'].groupby([frame...-0.316222 reading -0.651365 0.856299 running -0.282676 -0.585124 Tip: 求均值后,默认是对数字类型的数据进行分组求均值;非数字自动忽略...2.3 分组求数量 分组求数量是统计分析应用最为广泛的函数;如下示例DataFrame根据hobby分组,并且调用 size()函数统计个数;此方法常用的统计技巧; group = frame.groupby...分组聚合详解的文章就介绍到这了,更多相关pandas 分组聚合内容搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持ZaLou.Cn!

1.2K10

数据处理利器pandas入门

想入门 Pandas,那么首先需要了解Pandas的数据结构。因为Pandas数据操作依赖于数据结构对象。Pandas中最常用的数据结构是 Series 和 DataFrame。...Pandas主要有两种数据查询选择操作: 基于标签的查询 基于整数的位置索引查询 Pandas选择时,无需使用 date[:, columns] 的形式,先使用 : 选择所有行,再指定 columns...,idx['1001A', ['AQI', 'PM10', 'PM2.5']] 表示 data 的指定,如果将 idx 看作新的 DataFrame,那么'1001A'则是 idx 的行,['AQI...sub.xs('1001A', axis=1) 简单绘图 Python可视化工具概览 我们提到过数据处理和可视化一条龙服务的PandasPandas不仅可以进行数据处理工作,而且其还封装了一些绘图方法...箱线图 上图可以看出:不同的要素其值所在范围是不同的,探索性分析时应分开分析。 除了箱线图之外,Pandas还可以绘制折线图,条形图,饼图,密度分布等。

3.6K30

几个高效Pandas函数

请注意,本文编写于 964 天前,最后修改于 964 天前,其中某些信息可能已经过时。 Pandas是python中最主要的数据分析库之一,它提供了非常多的函数、方法,可以高效地处理并分析数据。...Query Query是pandas的过滤查询函数,使用布尔表达式来查询DataFrame,就是说按照的规则进行过滤操作。...Insert Insert用于DataFrame的指定位置插入新的数据。默认情况下新是添加到末尾的,但可以更改位置参数,将新添加到任何位置。...「掩码」(英语:Mask)计算机学科及数字逻辑中指的是一串二进制数字,通过与目标数字的按位操作,达到屏蔽指定位而实现需求。 6....用法: Series.isin(values) 或者 DataFrame.isin(values) 筛选dfyear['2010','2014','2017']里的行: In [96]: years

1.5K60
领券