1.合并数据或表
df_user = pd.concat(list, axis=0, ignore_index=True)#list为数据
2.筛选
1) a=df[(df.可发库存 >= 15)]#可发库存为列名，df为数据
2) a = tcdd.loc[tcdd['订单状态'] == '已取消'] #loc为筛选函数
3) df=df[df['订单来源']=='接口抓取']
4) ys=cjdd[cjdd['平台规格名称'].str.contains('预')] #筛选包含预字的
5）day_1=az.loc[az['退款间隔_小时'].apply(lambda a : 0<=a<24)]#数字筛选
6) a=profit[profit.isnull().values==True]
7) api_trade[api_trade['售后分类'].isnull().values==True]
3.关联
df = pd.merge(df, kc[['商家时间', '可发库存']], how='left', on=['商家时间'])#表关联类似vlookup，“how=”是关联方式
4.分列
aa = pd.DataFrame((str(x).split(' ') for x in df['付款时间']), index=df.index, columns=['日期1', '付款时刻'])#付款时间分列，"columns=" 是分列后的列名
5.数据透视表
xshz=pd.pivot_table(xs,index=['广告位名称'],values=["商品数",'商品单价'],aggfunc=[sum])
pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],aggfunc={"Quantity":len,"Price":np.sum},fill_value=0)
aa=pd.pivot_table(qq, index=["good_no"], values=["num", "share_amount"],
aggfunc=np.sum, fill_value=0)
aa=pd.pivot_table(data, index="key",columns="pr", values="LAYOUT",
aggfunc=np.sum, fill_value=0)
xshz=xshz.reset_index()#重置索引，一般和透视表关联都要这样做
cgzs["采购总数"]=cgzs["sum"]["采购总数"]
c = a.groupby(['area', 'sex']).agg({'sale': np.sum})
aa=pd.pivot_table(data, index="key",columns="pr", values="LAYOUT",
aggfunc=np.sum, fill_value=0) #行转列
6.删除重复值
drop_duplicates（） kc.drop_duplicates(subset='商家时间', keep='first', inplace=True)#删除库存重复值，保留第一个
7.该列名
rename() df.rename(columns={'子单原始单号':'原始单号'},inplace=True)
8.删除
遍历数据删除带有“预”字的那一列，效率较低 for i in az.index: if '预' in az['平台规格名称'].at[i]: az.drop(i, axis=0, inplace=True)
9.修改数据
1.for i in df.index: if df['支付时间'].at[i]==0: pass else: df['付款时间'].at[i]=df['支付时间'].at[i]
2.df['平台规格名称'].fillna('无',inplace=True)#填充空值
10.日期处理
1.日期相减 az['退款间隔']=pd.to_datetime(az['申请退款时间']) -pd.to_datetime(az['付款时间'])
az['退款间隔_小时']=az['退款间隔']/np.timedelta64(1, 'h')#时间间隔转为小时
11.替换
qq['api_goods_name'] = qq['api_goods_name'].str.replace(r"\'","") //如果要替换指定的字符要加 .str
12.获取列名
df.columns
