Python Pandas常用操作（持续更新）

因平时处理数据使用pandas较多，但是在一段时间不用后就忘记了，所以借用该文章进行整理汇总保存，以供后续查询使用。因仅是为了整理，文中会有部分转载内容，如有侵权，请联系删除。

常用方法

1. 排序

df.sort_values("xxx",inplace=True)

xxx是需要排序的字段名称，inplace为True表示在原表中修改，否则只在返回值中修改

2. DataFrame随机取值

df.sample(n=None, frac=None, replace=False, weights=None,
         random_state=None, axis=None)[source]
         
n: 返回的数据量
frac: 返回的数据量占比，与n不能同时使用
replace: 是否允许重复采样
weight: 权重，输入一个Series,表示行的权重
random_state: 随机数发生器种子
axis: 0表示按行取，1表示按列取

3. Python Pandas 常用统计数据方法汇总（求和，计数，均值，中位数，分位数，最大/最小，方差，标准差等）

此部分直接转载一位博主的内容，原博文请点击链接
关于如何求协方差，详见链接

apply()函数的使用

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds

apply()函数将传入的DataFrame或Series转为列表块，传入函数func中，并将返回值转化为DataFrame或Series。
当axis=0时，apply()函数按列对传入数据进行切片；反之，按行进行切片
建立一个简单的df表

x = [1,2,3]
y = [4,5,6]
z = [7,8,9]
df = pd.DataFrame([x,y,z], columns=list('xyz'))
df

取所有元素的平方

def get_square(x):
    return x**2
df.apply(get_square)

取所有列元素的和

def get_square(x):
    return x[0]+x[1]+x[2]
df.apply(get_square, axis=0)

从以上两个例子中可以发现，apply()并不只是传入列表元素，而是在尝试传入列表元素失败后再次传入单个元素数据，因为list类型的数据无法直接完成取平方的操作。

将DataFrame中的列表元素分裂成多列

x = [[1,2,3]]
y = [[4,5,6]]
z = [[7,8,9]]
df = pd.DataFrame([x,y,z],columns=['x'])
df

先直接上解决代码

df = df.xx.apply(lambda x:pd.Series(x))
df.columns=['x','y','z']
df

原理是，将三个列表作为元素传入lambda函数中，将列表转为Series，再整合为DataFrame，最后更新下字段名称。

DataFrame某一列按照条件筛选，另一列赋值

详见链接