pandas基础操作

参考：https://www.gairuo.com/p/pandas-selecting-data

查看数据

• df.head(n)
  查看前n行
• df.tail(n)
  查看后n行
• df.simple(n)
  随机抽样

列操作

• df[name]
• df.name
• df[[name1,name2,name3]]

行操作

• df[0:n:1]

• df[bool_vec]

• df.loc[lable or index]

• df.loc[[0,5,10]] # 指定索引 0，5，10 的行
  df.loc[['Eli', 'Ben']] # 如果索引是 name
  

• df.iloc[index]

列+行操作

• dft.loc[:, ['Q1', 'Q2']] # 所有行，Q1 和 Q2两列
  dft.loc[:, ['Q1', 'Q2']] # 所有行，Q1 和 Q2两列
  dft.loc[:10, 'Q1':] # 0-10 行，Q1后边的所有列
  

• df.iloc 与 df.loc 相似，但只能用自然索引

取具体值at

• 类似于 loc, 但仅取一个具体的值，结构为 at[<索引>,<列名>]：

• # 注：索引是字符需要加引号
  df.at[4, 'Q1'] # 65
  df.at['lily', 'Q1'] # 65 假定索引是 name
  df.at[0, 'name'] # 'Liver'
  df.loc[0].at['name'] # 'Liver'
  # 指定列的值对应其他列的值
  df.set_index('name').at['Eorge', 'team'] # 'C'
  df.set_index('name').team.at['Eorge'] # 'C'
  # 指定列的对应索引的值
  df.team.at[3] # 'C'
  

• iat 和 iloc 一样，仅支持数字索引

.get 可以做类似字典的操作，如果无值给返回默认值（例中是0）

df.get('name', 0) # 是 name 列
df.get('nameXXX', 0) # 0, 返回默认值
s.get(3, 0) # 93, Series 传索引返回具体值
df.name.get(99, 0) # 'Ben'

表达式筛选

保存

• fadf.to_excel(r"C:\Users\ZORO\Desktop\关系0.5.xlsx",index=False)

去重

• samedf.drop_duplicates(inplace=True,ignore_index=True)

合并

• pd.merge(redf, revdf)

交换列

• revdf = redf[[1,0]]

更改列名

• revdf.columns = [0,1]