数据规整

1.丢弃指定轴上的数据

data=pd.DataFrame(np.arange(16).reshape(4,4),index=['Shenzhen','Guangzhou','Beijing','Shanghai'],columns=['one','two','three','four'])
data

	one	two	three	four
Shenzhen	0	1	2	3
Guangzhou	4	5	6	7
Beijing	8	9	10	11
Shanghai	12	13	14	15

 

 

 

 

 

data.drop(['Shenzhen','Guangzhou'])

	one	two	three	four
Beijing	8	9	10	11
Shanghai	12	13	14	15

 

 

 

data.drop(['two'],axis=1)

删除第二列

2.函数映射

　　Numpy的ufunc也可以用于操作pandas对象。

　　例如：np.fabs(frame)

　　

　　DataFrame.apply

　　　　DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)[source]¶

　　　　Apply a function along an axis of the DataFrame.

　　DataFrame.applymap

　　　　DataFrame.applymap(func)[source]

　　Series.map

　　　　Series.map(arg, na_action=None)[source]¶

　　　　Map values of Series using input correspondence (a dict, Series, or function).

　　

def f1(s):
    x=s.max()-s.min()
    return x

f = lambda x : x.max()-x.min()
frame.apply(f1)#列方向

one      3.168231
two      3.324250
three    2.111743
dtype: float64

f = lambda x: '%.2f' %x
frame.applymap(f)

	one	two	three
Shenzhen	1.55	-2.59	-1.21
Guangzhou	0.42	-0.16	0.17
Shanghai	-1.62	0.73	-0.87
Beijing	0.33	0.00	0.90

 

 

 

 

 

3.排序

　　sort_index / sort_value

4.数据合并

　　pandas.merge

　　　　DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=　　('_x', '_y'), copy=True, indic　　　　　　ator=False, validate=None)[source]¶

　　　　Merge DataFrame objects by performing a database-style join operation by columns or indexes.

　　　　类似数据库表连接，左连、右连、内联、外联

　　　　例子：

　　　　

df1 = pd.DataFrame({'key1':['foo','bar','baz','foo'],'data1':list(np.arange(1,5))})
df2 = pd.DataFrame({'key2':['foo','bar','qux','bar'],'data2':list(np.arange(5,9))})

print(df1)
print(df2)

　　

  key1  data1
0  foo      1
1  bar      2
2  baz      3
3  foo      4
  key2  data2
0  foo      5
1  bar      6
2  qux      7
3  bar      8

df1.merge(df2, left_on='key1', right_on='key2', how='right')#参数how代表连接方式，有'inner'、'left'、‘right’、‘outer’

	key1	data1	key2	data2
0	foo	1.0	foo	5
1	foo	4.0	foo	5
2	bar	2.0	bar	6
3	bar	2.0	bar	8
4	NaN	NaN	qux	7

　　

 

 

 

 

　

　　pandas.concat

　　pandas.combine_first

5.数据重塑

　　DataFrame.stack/unstack