pandas常用方法

删除列

df.drop(labels=[“列名1”, “列名2”], axis=1, inplace=True)
df.drop(df.columns[[0, 1,2,3,4,5,6,7,8,9,10]], axis=1, inplace=True)
第二种删除列的方式需要注意的是，如果你读取的是csv或者excel，且指定了index_col=0，即第一列为索引列，则df.columns[[0]]则为实际的第二列

• 只要某些列

df = df.loc[(pd.isnull(df[" CompanyNumber"]) == False), [" CompanyNumber", “IncorporationDate”, “Accounts.NextDueDate”]]

• 将列的某些值进行替换

df[“CompanyStatus”].replace(“Active”, “postive”, inplace=True)

• 某字段的值为null或者空字符则不要

df = df.fillna(“”)
df = df[df[‘DISTRIBUTOR_NAME’].apply(lambda x: x.strip())!=‘’]

• 将指定列包含指定内容的数据保留

df(df[“SICCode.SicText_1”].str.contains(“47749 -|5232 -”))

• assign函数

将两列数据拼接，并生成新的一列 Adress
df = df.assign(Address=lambda x:x[‘RegAddress.Country’] + " | " + x[‘RegAddress.County’])

• apply函数

## 这里的apply是对DataFrame进行操作，因此进入匿名函数的x是DataFrame的每行数据，类型为Series
df.loc[:,"xxx"] = df.apply(lambda x:print(type(x))
## 这里的df.loc[:,"xxx"]是Series 类型的数据， 因此每次进入匿名函数的x是该列的具体数据
df["xxx"] = df.loc[:, "xxx"].apply(lambda x:print(type(x))

• 条件筛选

df.loc[df[‘高温’]-df[‘低温’]>=15,‘type’] = ‘高温差’
df.loc[df[‘高温’]-df[‘低温’]<15,‘type’] = ‘低温差’

• 更改列名

df.rename(columns={“CompanyName”: “title”}, inplace=True)
df.rename(columns={" CompanyNumber": “DISTRIBUTOR_ID”}, inplace=True)

• 分组聚合（groupby)

# 可以实现对dataframe的company列进行分组，然后得到几个分组后的df，再对salary列进行取平均值，然后赋值给avg_salary列
data['avg_salary'] = data.groupby('company')['salary'].transform('mean')

访问指定行列的几种方法

pandas加载的对象的Dataframe类型对象，即多行多列

当通过for循环 df.iterrows()，得到每行rows，这个rows为Series类型对象, Series类型对象[‘列名’]就是那个单元格的数据

注意：

一列多行，和一行多列数据都是 Series类型对象

loc

df可以通过loc来获取行区间的数据

df.loc[1]: df.loc[1] 获取第一行数据，为 Series类型对象，因此可以通过 df.loc[1, ‘列名’] 来查看指定行列的数据

df.loc[:2]：df.loc[:2]为 0到1行的数据，为 DataFrame对象， 可以通过 df.loc[:2, ‘列名’] 来查看前两行指定列的数据
注意：
loc和iloc的用法差不多，只是 loc指定列的方式列名放在[]里面 例如：
df.loc[:1,“车次”] ,而iloc为 df.loc[:1][“车次”]

at

df.at[1, '列名] 与 df.loc[1, ‘列名’] 一样都能查看指定行列的数据，并且也支持赋值操作，可更改掉原df内数据

iloc

iloc可以用来获取区域行的数据
df.iloc[:2]获取前两行的数据，df.iloc[:2][“车次”]获取前两行并且列为 ”车次“的数据

注意：df.iloc[:2]还是DataFrame类型， df.iloc[:2][“车次”]是Series类型数据

df.iloc[1]为获取第二行的数据，类型为Series