pandas之DataFrame方法与函数

1. DataFrame相关方法

1.1 where()

• where:满足cond条件的保留，其他用other填充

  相关操作	代码	结果
  查找df大于60的,小于60的填充"不及格"	df.where(cond=df>60,other='不及格')
  A列大于60的不变,小于60的将一行都填充为其他	df.where(cond=df['A']>60,other='其他')
  A列小于60填充100，B列小于60填充200,其他默认填NaN	df.where(df>60,other=pd.Series(data=[100,200],index=['A','B']),axis=1)
  1行小于60填充100，2行小于60填充200,其他默认填NaN	df.where(df>60,other=pd.Series(data=[100,200],index=[1,2]),axis=0)

• 代码

  df=pd.DataFrame(data=np.random.randint(0,100,size=(5,4)),columns=list('ABCD'))
  df.where(cond=df>60,other='不及格')
  df.where(cond=df['A']>60,other='其他')
   df.where(df>60,other=pd.Series(data=[100,200],index=['A','B']),axis=1) 
   df.where(df>60,other=pd.Series(data=[100,200],index=[1,2]),axis=0)
  

1.2 mask()

• mask:不满足con条件的保留，其他用other填充

  相关操作	代码	结果
  大于60填充为及格	df.mask(df>60,other='及格')
  A列符合条件填充100，B列符合条件填充200，C列符合条件填充300，D列符合条件填充400	df.mask(df>60,other=pd.Series(data=[100,200,300,400],index=['A','B','C','D']),axis=1)

• 代码

  df=pd.DataFrame(data=np.random.randint(0,100,size=(5,4)),columns=list('ABCD'))
  df.mask(df>60,other='及格')
  df.mask(df>60,other=pd.Series(data=[100,200,300,400],index=['A','B','C','D']),axis=1)
  

1.3 query()

• query()方法:条件查询

  相关操作	代码	结果
  获取A大于60,B大于60的行	df.query('A>60 and B>60')
  获取B等于63的行	df.query('B==71')

• 代码

  df=pd.DataFrame(data=np.random.randint(0,100,size=(5,4)),columns=list('ABCD'))
  df.query('A>60 and B>60')
  df.query('B==71')
  

1.4 filter()

• filter()方法

  • 对行名和列名进行筛选

  • 使用item选择行，列名称，配合axis

  • 使用regex正则表达式，模糊匹配名称

    相关操作	代码	结果
    获取0,1行	df.filter(items=[0,1],axis=0)
    获取列索引包含B	df.filter(regex='B',axis=1)
    获取以B开头的列名称	df.filter(regex='^B',axis=1)

• 代码

  df=pd.DataFrame(data=np.random.randint(0,100,size=(5,4)),columns=['AA','BB','CB','DB'])
  df.filter(items=[0,1],axis=0)
  df.filter(regex='B',axis=1)
  df.filter(regex='^B',axis=1)
  

2. 聚合函数

函数	描述
count	不同值的个数
sum	求和
mean	均值
mad	绝对值均值
median	中位数
min	最小值
max	最大值
mode	众数
abs	绝对值
prod	乘积
std	标准差
var	方差
quantile	分位数
cumsum	累和
cumprod	累积

• 相关代码

  df=pd.DataFrame(data=np.random.randint(0,100,size=(5,4)),columns=['AA','BB','CB','DB'],dtype='float')
  arr1 = df.values
  arr1[1,1]=np.nan   #填充空值
  arr1.sum()  # #有空值为NaN
  np.nansum(arr1)  # #忽略NaN
  df.loc[1,"BB"]=np.nan  #df填充空值
  #DataFrame默认忽略空值,默认每列的和
  df.sum()
  #求所有数的和
  df.sum().sum()