一些pandas的操作

对于列的操作

1. 在groupby sum 之后最好要reset_index()

df1 = df.groupby([col1, col2]).sum()
df2 = df.groupby([col1, col2]).sum().reset_index(drop)
df1[col] += 'asdf'
df2[col] += 'asdf'

如果在df这张表很大的情况下,df1会花费很长的时间（我遇到的情况为1-2s），而df2只会花费很短的时间（0.00x s）

2. concat
   拼接很好用

df3 = pd.concat([df1, df2], ignore_index=True)

3. 取特定的行

df = df[(df[col]1 == '') | ((df[col2] & df[col3]))]

这里主要是要注意 | & 的用法，必须要加括号

4. apply调用

对于两列之间的操作：
df[[col1, col2]].apply(lambda x: x[0] op x[1])
例：
df['c'] = df[['a', 'b']].apply(lambda x: x[0] + x[1])

对于调用函数:
df.apply(lambda x: func(x[col1], x[col2], ...))
例：
def my_func(args_1, args_2)
df.apply(lambda x: my(x[col1], x[col2]))

对应apply这个函数，有几个参数很有用：

• axis:这个参数可以针对每一行或者是每一列来执行函数
• result_type:这个函数可以指定返回的结果的类型

5. 在进行类似于drop_duplicates, drop 之类的带有inplace参数的操作时，如果的确要修改原来的DataFrame，并且后续还要对DataFrame进行操作，那么不要使用下面这种方式：

df = df.drop(col1, axis=1)
df[col2] = ...  //操作df里面的东西

最好使用inplace参数

df = df.drop(col1, axis=1, inplace=True)

5. 想要修改dataframe的单元格的话，最好使用loc这个函数

df.loc[哪一行，哪一列] = ???
df.loc[[哪些行]]
df.loc[bool] #取出满足条件的行