pandas 常见操作、报错与解决方案梳理

前言：

本文为整理/大杂烩类文章，会根据实际情况不断更新。

本文是笔者对工作内容的一个大致梳理，为了避免再犯同样的错误。由于是由记忆碎片拼凑而成，因此部分内容暂时没有相应的例子，但后续会不断完善。

若已有文章详细讲解某部分内容，笔者将仅附上相关链接，而不再作具体说明。

一、常规操作

注：主要参考链接“Pandas的常用操作总结”和

（一）增

1.df横向叠加：df_concat = pd.concat([df1, df2, ...], axis=1)

2.df纵向叠加：df1.append([df2, df3]) or df_concat = pd.concat([df1, df2, df3])

(3.在指定位置插入行/列等：待补充)

（二）删

# 函数：df.drop()，删除不需要的行或列
# df2 = df2.drop(index=['ZhangFei'])
# df2 = df2.drop(columns=['chinese'])
# df2 = df2.drop(['xx'], axis=1) drop函数默认删除行，axis=1在列的方向上，删除'xx'列
# df2.drop(['xx'], axis=1, inplace=True) inplace设置为True，原数组直接被替换，等同于上面

# 参考：https://blog.csdn.net/HARD_FAN/article/details/108182010

（三）改

1.去重复

df.drop_duplicates()：三种模式——保留第一项，保留最后一项，重复均删除；由keep参数设置

2.改列名

df.columns = ['xxx', 'xxx', ...]

3.改数据格式(data format)

# e.g:将chinese字段值改成str或者int64类型
# df3['chinese'].astype('str')
# import numpy as np
# df3['chinese'].astype(np.int64)

4.列名大小写转换

a.小: df3.columns=df3.columns.str.upper()
b.大: df3.columns=df3.columns.str.lower()
c.首字母大写: df3.columns=df3.columns.str.title()

（四）查

该链接中代码行数为115-130：Pandas的常用操作总结

该链接涵盖了大部分关于查询的内容：