pandas

1、loc、iloc、ix

df.index = ['a','b','c','d']

df.iloc[1] 所在的行的数字为索引

df.loc['a']所在行的标签为索引

df,ix[]既可以是行号，也可以是行索引

当行和列同时选择时：用，分割 

df.ix['a','age']  19

df.loc[:,'age']

 

2、Series.map(self, arg, na_action=None)

https://blog.csdn.net/weixin_43655282/article/details/97820777

arg类型可以是list、dict、function

(1)s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])

s：0 cat
1 dog
2 NaN
3 rabbit
dtype: object

（2）s.map({'cat': 'kitten', 'dog': 'puppy'})

0 kitten
1 puppy
2 NaN
3 NaN
dtype: object

（3）s.map('I am a {}'.format)

0 I am a cat
1 I am a dog
2 I am a nan
3 I am a rabbit
dtype: object

若不想对NaN值使用参数中的 function ， 参数 na_tion=‘ignore’

s.map('I am a {}'.format, na_action='ignore')

0 I am a cat
1 I am a dog
2 NaN
3 I am a rabbit
dtype: object

3、replace(to_replace, value，inplace，regex)

df.replace(to_replace, value，inplace)在整个df里替换

df[column名].replace(to_replace, value，inplace)在某一列替换

inplace=true改变源文档

单值替换：df.replace(a,b)

多值替换：df.replace(a:b,c:d)   df.replace([a,c],[b,d])      df.replace([a,c],[b]) :替换的值相同

正则化替换：需加字段regex = true

df.replace('[A-Z]','变电站')：将大写字母变成变电站

4、pd.dropna(subset=[column]).drop_duplicates()

pd.dropna()删除缺失值

pd.drop_duplicates()去除完全重复的行数据

pd.drop_duplicates(subset=['A','B'],keep='first',inplace=True)去除某几列重复的行数据