pandas 常用方法使用示例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#生成DataFrame，保存至文件 from pandas import DataFrame import numpy as np import pandas as pd   t={     "称呼": ["爸爸","妈妈","宝宝"],     "年龄": [18, 30, np.nan],       "性别": [None, "male", "female"],     "生日": ["2000-02-10", "1988-10-17", None] }   df =DataFrame(t) df.to_csv("Result.csv",header=1,index=0) #保存列名、不保存行索引

 

?

1 2 3 4 5 6

#读取文件，生成DataFrame import pandas as pd   df = pd.read_csv("Result.csv") #扩展名也可不是 .csv print(df) print(df.isnull())

  

?

1 2 3 4 5 6 7

#显示“年龄”列，行号1，2的单元格,求和 import pandas as pd   df = pd.read_csv("Result.csv") print(df.loc[[0,1],['年龄']]) print(type(df.loc[[0,1],['年龄']]))  print(df.loc[[0,1],['年龄']].sum())

　　

?

1 2 3 4 5 6

#将DataFrame中的空值设为0 import pandas as pd   df = pd.read_csv("Result.csv") df.fillna(0,inplace = True)  print(df)

　　

?

1 2 3 4 5 6

#插入列 import pandas as pd   df = pd.read_csv("Result.csv") df.insert(loc=2, column='插入列', value="插队")  print(df)

或:     df.loc[:,新列名]=值　　

 

?

1 2 3 4 5 6 7 8 9 10 11

#插入行（实际是两个表在纵轴方向上拼接）并去除重复数据行 import pandas as pd   df = pd.read_csv("Result.csv") df1=DataFrame({     "插入行": ["插入1","插入1","插入1"] }) pd.concat([df1,df2],ignore_index = True) #当两个表中有重叠的数据时，使用drop_duplicates()去除重复数据 pd.concat([df1,df2],ignore_index = True).drop_duplicates() print(df)

　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

#根据现有列生成新的列 import pandas as pd from pandas import DataFrame   def getlevel(年龄):     if 年龄 > 25:         return "老"     elif 年龄 > 15:         return "中"     else:         return "青"   df = pd.read_csv("Result.csv") # df['level'] = df.apply(lambda x: getlevel(x['年龄']), axis=1) df['level'] = df.apply(lambda x: getlevel(x.年龄), axis=1)    print(df)

　

?

1 2	#删除列 df.drop(axis = 0, index=[0], inplace=True)

　　　　　

?

1 2	#列改名，a,b变为A,B df.rename(columns={"A": "a", "B": "c"},inplace=True)

　

　修改单元格，记忆公式：

单值修改:df.loc[行索引，列索引]
单行修改:df.loc[行索引]或df.iloc[行索引]；
单列修改:df[列索引]、df.loc[:,列索引]或df.iloc[:,列索引]
按条件修改: df.loc[[筛选后的DataFrame].index,列索引]

mask(条件判断，条件成立的值)

where(条件判断，条件不成立的值)

?

1 2 3 4 5 6 7 8 9

#修改单元格：在指定列中找符合条件的单元格，对于这些单元格所在行，修改与指定列相交的单元格的值 import pandas as pd from pandas import DataFrame   df = pd.read_csv("Result.csv")   df.loc[df["称呼"]=='爸爸',['称呼','年龄']]='father'    print(df)

　　 

?

1 2 3 4 5 6 7 8 9 10 11 12

#使用正则修改替换1 import pandas as pd from pandas import DataFrame   df = pd.read_csv("Result.csv")   df['称呼']=df['称呼'].str.replace(     pat='^(爸+)$',     repl=lambda x: '0'*(4-len(x[0]))+x[0]+'ok',     regex=True     ) print(df)

 

?

1 2 3 4 5 6 7 8 9 10 11 12

#使用正则修改替换2 import pandas as pd   df = pd.read_csv("Result.csv")   df.replace(     '^(爸+)$',     r'\1神了',     regex=True,     inplace=True     ) print(df)

　　

 

?

1 2	#转置 df=df.T

　　

?

1 2 3 4 5 6

#移动整行 import pandas as pd from pandas import DataFrame   df = pd.read_csv("Result.csv") df.iloc[0, :] = df.iloc[0, :].shift(-1)

　　　

?

1 2 3 4 5 6 7 8

#移动部分单元格 import pandas as pd from pandas import DataFrame   df = pd.read_csv("Result.csv") print(df) df.iloc[0, 1:2] = df.iloc[0, 1:2].shift(-1) print(df)

　　

concat(): 连接操作，可以连接多个DataFrame，可以设置按行合并还是按列合并。有inner、outer、left、right四种不同的连接方式。可以对结果的索引进行设置，尤其是对多重行索引的处理提供了多种方式。

merge(): 合并操作，只能用于合并两个DataFrame，且都是按列进行合并，只有当两个DataFrame的列名完全一样时才是按行合并的效果。合并时根据指定的连接列(或行索引)和连接方式来匹配两个DataFrame的行。可以在结果中设置相同列名的后缀和显示连接列是否在两个DataFrame中都存在。

join(): 加入操作，可以在一个DataFrame中加入多个DataFrame，结果都是按列进行合并的。合并时根据指定的连接列(或行索引)和连接方式来匹配两个DataFrame的行，也可以设置相同列名的后缀，所以有时候join()和merge()可以相互转换。

combine(): 联合操作，用于两个DataFrame，按列的方式进行联合。联合操作是将一个DataFrame中的部分数据用另一个DataFrame中的数据替换或补充，通过一个函数来定义联合时取数据的规则。在联合过程中还可以对空值进行填充。

append(): 添加操作，可以将多个DataFrame添加到一个DataFrame中，按行的方式进行添加。添加操作只是将多个DataFrame按行拼接到一起，可以重设行索引。

Pandas 创建一个空的Dataframe 并向其添加行与列(https://blog.csdn.net/qq_53817374/article/details/123771713)

 

Pandas将列表（List）转换为数据框（Dataframe）进阶篇  https://blog.csdn.net/weinsheimer/article/details/120916336

 

参考：https://www.cnblogs.com/testzcy/p/12077820.html

https://blog.csdn.net/m0_62011685/article/details/124827501

https://blog.csdn.net/z099164/article/details/122702675

https://blog.csdn.net/weixin_42322206/article/details/124226550

https://www.cjavapy.com/article/774/#google_vignette