pandas索引、数据修改和绘图

1、修改pandas数据

#示例 ： 对df的vine这一列数据进行操作，将value值为N的转化成0，其余的转化成1
df["vine"] = df["vine"].apply(lambda x : 0 if x == "N" else 1)

将某一行的数据俺条件修改，lambda可以自己定义函数进行更加复杂的操作

2、学习使用时间戳

#示例 ： 将df的review_date这一列的字符串转化成时间戳
df['review_date'] = pd.to_datetime(df['review_date'], format='%m/%d/%Y')

format = "%m/ %d/ %Y"这里根据你的数据进行操作，m：month，d：day，Y：year，所以我这里的数据类似是 "12/31/2020"这种。
对时间戳进行索引的时候依旧可以使用字符串，例如

df["2018"]  #选取2018年的所有数据
df["2018-11"] #选取2018年11月的所有数据
df["2018":"2020"] #选取2018年-2020年的所有数据

3、使用pandas直接可视化

df.plot()  #使用dataframe中的数据进行绘制折线图
df.plot(kind = "bar")  #绘制柱状图
df.plot(kind = "barh")  #索引为y轴绘制柱状图
df.plot(kind = "barh", x = "A", y = ["B", "C"])  #指定x轴与y轴
df.plot(kind = "scatter", x = "A", y = "B")  #散点图

如果想对上面的图片进行保存，可以使用如下方法

ax = df.plot(kind = "types", title = "yourtitle", color = "red")
df.plot(kind = "types", title = "yourtitle", color = "blue") # 绘制多个列组
fig = ax.get_figure()
fig.savefig("df.png")

4、索引dataframe

#索引
df.iloc[3, 4]  #第三行第四列
df.iloc[0: 8, 8:] #第0-8行中第8列以后的所有数据
df["column_name"][6] #某一列的第6行
df.loc[index, "columns_name"]  #index行 columns_name列

5、使用df.head()

df.head() #在读取较大的文件时，可以查看前五行