- 強(qiáng)推Theodore Petrou的《Pandas Cookbook》（2017 Packt Publishing）以及pandas的官方手冊(cè)（pandas的官方文檔寫(xiě)的太棒了）
構(gòu)建DataFrame
-
df = pd.DataFrame(data, index=[], columns=[]):data是二維數(shù)組 - 構(gòu)建多重index的
df，如下：
>>> tuples = [('a', 'v1'), ('a', 'v2'), ('b', 'v1'), ('b', 'v2')]
>>> index = pd.MultiIndex.from_tuples(tuples)
>>> columns = ['c1', 'c2']
>>> values = np.arange(8).reshape(4, 2)
>>> df = pd.DataFrame(values, columns=columns, index=index)
>>> df
c1 c2
a v1 0 1
v2 2 3
b v1 4 5
v2 6 7
選擇多列
-
df[col_names_list]: 直接通過(guò)列名稱(chēng)列表來(lái)選擇多列 -
df.select_dtypes(include=['int']): 選擇數(shù)據(jù)類(lèi)型是int的列 -
df.filter(like='str', regex='re'): 此方法只會(huì)檢查所有的column names，而不會(huì)檢查確切的數(shù)據(jù) -
df[new_col_order_list]: 當(dāng)要對(duì)df中的列組織順序時(shí)，可以直接用想要的列名序來(lái)index -
(df + .00501)// .01: 可以將df中的數(shù)據(jù)全都四舍五入成1位小數(shù) -
df.add(.00501).floordiv(.01): 和上面效果一樣 - 注意：如下
In [1]: .045 + .005
Out [1]: 0.049999999999999996
所以化成一位小數(shù)的時(shí)候多加了0.00001
-
df_1 == df_2：返回一個(gè)同shape的df，值全部為bool類(lèi)型，檢測(cè)對(duì)應(yīng)的數(shù)據(jù)是否相等 -
df.sort_values():
df.loc[]和df.iloc[]用法集
1. df.loc[]詳解
注：以下i1 i2代表index_label，c1 c2代表column_name
-
df.loc['i1']: 返回一個(gè)Series，包含i1行的數(shù)據(jù) -
df.loc[['i1', 'i2']]: 返回一個(gè)df，包含i1i2兩行數(shù)據(jù) -
df.loc['i1', 'c1']: 返回對(duì)應(yīng)位置的數(shù)據(jù) -
df.loc['i1':'12', 'c1':'c2']: 返回一個(gè)df，包含對(duì)應(yīng)行和列的數(shù)據(jù) -
df.loc[df['c1'] > 1]: 返回一個(gè)df，包含c1列中數(shù)值大于1的所有行 -
df.loc[df['c1'] > 1, ['c2']]: 返回一個(gè)df，包含上面返回df中的c2列 -
df.loc[lambda df: df['c1'] == 1]: 返回一個(gè)df，包含c1列中數(shù)值等于1的所有行 -
df.loc[['i1', 'i2'], ['c1']] = 1: 將df中對(duì)應(yīng)位置的數(shù)據(jù)改為1 -
df.loc['i1'] = 1: 將對(duì)應(yīng)行的數(shù)據(jù)全部改為1 -
df.loc[:, 'c1'] = 1：將對(duì)應(yīng)列的數(shù)據(jù)全部改為1 -
df.loc[df['c1'] > 1] = 0: 將對(duì)應(yīng)列數(shù)據(jù)大于1的所有行的所有數(shù)據(jù)改為0 -
df.loc[1:9]: 返回1-9行的數(shù)據(jù) - 對(duì)于多重Index的
df的操作到時(shí)用help(pd.DataFrame.loc)翻到最后看就是了
2. df.iloc[]詳解
- iloc （integer-location）
- 和
df.loc[]一樣的功能，只是完全基于數(shù)字進(jìn)行索引，例如df.iloc[1:3, 1:3]就相當(dāng)于df.loc['i1':'i1', 'c1':'c3']，其他類(lèi)似 -
df.loc[]也能完全基于數(shù)字進(jìn)行索引
-
df.at['i1', 'c1']: 返回對(duì)應(yīng)位置的值 - 'df.at['i1', 'c1'] = 1`: 將對(duì)應(yīng)位置的值設(shè)為1
Boolean Selection
-
df2 = df['c1'] > 1:
