pandas 常见用法

数据合并

merge

pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)
#on：根据哪个列来拼接

join

join方法是基于index连接dataframe，merge方法是基于column连接，连接方法有内连接，外连接，左连接和右连接，与merge一致。

concat

pandas.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
#obj格式 [a,b]
#axis; 0/index 1/columns

append

Series.append(to_append, ignore_index=False, verify_integrity=False)
#to_append: series or list
#verify_integrity:重复索引引发异常

DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False)
#other: df series dict list

标签

set_index

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
#keys：列标签或列标签/数组列表，需要设置为索引的列
#drop：默认为True，删除用作新索引的列
#append：是否将列附加到现有索引，默认为False。增加索引
#inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

reset_index

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')
#drop：当指定drop=False时，则索引列会被还原为普通列；否则，经设置后的新索引值被会丢弃。默认为False。

其他用法

drop

drop(labels, axis=0, level=None, inplace=False, errors='raise')
#Labels str or list
#Axis 0index 1columns

read_csv

pandas.read_csv(filepath_or_buffer, sep=<object object>, delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, skipfooter=0, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, cache_dates=True, iterator=False, chunksize=None, compression='infer', thousands=None, decimal='.', lineterminator=None, quotechar='"', quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None, storage_options=None)
#chunksize 分块读入 
# dtype 确认数据类型会减少内存

to_csv

DataFrame.to_csv(path_or_buf=None, sep=',', na_rep=''填充, float_format=None, columns=None, header=True, index=True, index_label=None, mode='w', encoding=None, compression='infer', quoting=None, quotechar='"', line_terminator=None, chunksize=None, date_format=None, doublequote=True, escapechar=None, decimal='.', errors='strict', storage_options=None）

corr cov

用于计算相关性和协方差

df.corr()#matrix to matrix
columns.corr(colums)#columns to columns
df.corrwith(columns)#matrix to colums
df.cov()
#默认逐列计算    axis='columns'逐行

apply

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)
#对数据框（DataFrame）的数据进行按行或按列操作时用apply()
DataFrame.applymap(func, na_action=None)
#对数据框（DataFrame）的每一个数据进行操作时用applymap()，返回结果是DataFrame格式
Series.map(arg, na_action=None)
#对Series的每一个数据进行操作时用map()