-
日期处理:
- pd.to_datetime()
-
df.reset_index():增加属性名为 index 的属性列
>> data = [[1,2,3],[4,5,6]] >> df = pd.DataFrame(data) >> df.index RangeIndex(start=0, stop=2, step=1) >> df.columns RangeIndex(start=0, stop=3, step=1) >> df.reset_index() index 0 1 2 0 0 1 2 3 1 1 4 5 6
0. 基本处理
- 修改列名:
df.rename({'old_col_name': 'new_col_name'}, inplace=True)
1. 清理
- pd.isnull()/pd.notnull():用于检测缺失数据;
- drop(labels, axis=0, level=None, inplace=False, errors=‘raise’)
- 注意第一个参数(labels)与第二个参数(axis)的关系,要删除的 labels 必须在 axis 上;
- 也即默认情况下,axis=0,为纵轴(也即第一列,行名),axis=1,则为横轴(第一行,为行名)
- 注意第一个参数(labels)与第二个参数(axis)的关系,要删除的 labels 必须在 axis 上;
2. 合并(merge)
>> df1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)})
key data1
0 b 0
1 b 1
2 a 2
3 c 3
4 a 4
5 a 5
6 b 6
>> df2 = pd.DataFrame({'key':['a', 'b', 'd', 'a'], 'data2': range(4)})
key data2
0 a 0
1 b 1
2 d 2
3 a 3
数据集的合并(merge)或链接(join)运算可通过一个或多个键将行连接起来。如果不显式地指定,merge 会默认将重叠列的列名作键。
>> pd.merge(df1, df2, on='key')
# 等价于 pd.merge(df1, df2)
key data1 data2
0 b 0 1
1 b 1 1
2 b 6 1
3 a 2 0
4 a 2 3
5 a 4 0
6 a 4 3
7 a 5 0
8 a 5 3
注意:
-
默认连接方式为:inner(
how='inner'
),也即- df1 中的
c
,df2 中的d
均未出现在 merge 后的 df 中; - 对于
b
,df2
是一对一的关系;对于a
,df2
中一对2,最终拼接的形式是笛卡尔积的形式;
- df1 中的
-
此外还有
right/left/outer
(外链接取的是键的并集,组合了左连接和右连接的效果:>> pd.merge(df1, df2, on='key', how='left') key data1 data2 0 b 0 1.0 1 b 1 1.0 2 a 2 0.0 3 a 2 3.0 4 c 3 NaN 5 a 4 0.0 6 a 4 3.0 7 a 5 0.0 8 a 5 3.0 9 b 6 1.0