pandas 常用函数-汇总

创建新DataFrame

df=pd.DataFrame()

DataFrame 大小

df.shape

把单元格内容转成list

df[column]=df[column].str.split(" \n",expand=False)

索引

把索引建为新列

df["column_name"]=df.index

更新筛选后的索引

df.index = range(len(df))

重设索引

result = result.reset_index()
result = result.reset_index(drop=True)

多重索引

取出第一级索引 :get_level_values(0)

行两层索引变成一行

level0 = result.columns.get_level_values(0)
level1 = result.columns.get_level_values(1)
result.columns = level0 + '_' + level1

两行索引交换位置

result= result.swaplevel(axis=1)

列相关

输出列名

df.columns 列名列表概述
df.columns.values 全量列名

修改列名

df_new=df.rename(columns={'原列名1': '新列名1','原列名2': '新列名2'})
df_new=df.rename(columns=lambda x:x.replace('列名部分字段',''), inplace=True)
转小写
df_new.columns = df.columns.map(lambda x: x.lower())
去除前后空格
df_new.columns = df.columns.map(lambda x: x.strip())

根据列名返回列序号

int=df.columns.get_loc(列名) #从1 开始

无列名选列

df.columns[序号] 返回列名

多行列名读取

df =pd.read_excel(path,header=(0,1))

字段类型

dtype
.str.isdigit() 判断是否数值

输出行数

行数:df.shape[0]
列数:df.shape[1]
矩阵大小:np.shape(df)
shape 数据维度

去重

df.drop_duplicates()

删除行列
删除空行

df.dropna()
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

删除指定行
删除指定列

df = df.drop(columns=['Unnamed: 0'])

排序

df.sort_values()
df.sort_index(axis=0) #列名降序
df.sort_index(axis=1) #列名升序

图中文乱码

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

显示全部的行列

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)

int与str转化

df[column]=df[column].apply(str)
df[column]=df[column].apply(int)

去\n \r

df[column]=df[column].apply(lambda x:x.replace('\n', '').replace('\r', ''))

多值替换

df.replace({"a1":"new1","a2":"new2"}, inplace = True)

列里不同的值数量

df.column.nunique()
df.nunique()

列值截取

df[column]=df[column].str[0:2]

空值填充

mydf['列名']=mydf['列名'].fillna(0)
table2 = table2.fillna(value=0)

数据格式调整
百分号2位小数

pt1['人数占比']=(pt1['人数']/pt1['人数'].sum()).map('{:.2%}'.format)

两位小数

pt1['单价']=(pt1['销售额']/pt1['件数']).map('{:.2f}'.format)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,179评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,229评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,032评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,533评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,531评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,539评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,916评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,813评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,568评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,654评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,354评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,937评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,918评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,152评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,852评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,378评论 2 342