pandas中的函数学习（不断更新）

1. Pandas中的query函数

函数功能：筛选数据

df.query("等式或者不等式")
# for example
df.query("A==5"）
df.query("A>=10")

2. pandas中的sort_values

函数功能：可根据指定列数据也可根据指定行的数据排序

3.pandas中的apply函数

函数功能：对dataframe进行函数处理

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds）
"""
func 代表的是传入的函数或 lambda 表达式；
axis 参数可提供的有两个，该参数默认为0/列
	0 或者 index ，表示函数处理的是每一列；
	1 或 columns ，表示处理的是每一行;
raw ；bool 类型，默认为 False;
	False ，表示把每一行或列作为 Series 传入函数中；
	True，表示接受的是 ndarray 数据类型；
"""
>>> df  =pd.DataFrame([[4,9]]*3,columns = ['A','B'])
>>> df
   A  B
0  4  9
1  4  9
2  4  9
​
​
>>> df.apply(np.sqrt)
     A    B
0  2.0  3.0
1  2.0  3.0
2  2.0  3.0
>>> df.apply(np.mean)
A    4.0
B    9.0

4. pandas中的groupby

函数功能：将数据按照某一列进行划分
具体的在这个博客里面总结过：click here

• 按多列分组：

df.groupby({column1, column2])
df = pd.DataFrame([['a', 'man', 120, 90],
				   ['b', 'woman', 130, 100],
				   ['a', 'man', 110, 108],
				   ['a', 'woman', 120, 118]], columns=['level', 'gender', 'math', 'chinese'])
print(df)
  level gender  math  chinese
0     a    man   120       90
1     b  woman   130      100
2     a    man   110      108
3     a  woman   120      118

group = df.groupby(['gender', 'level'])
# 先按照'gender'列的值来分组。每组内，再按'level'列来分组。也返回一个groupby对象
for key, value in group:
    print(key)
    print(value)
    print("")
('man', 'a')
  level gender  math  chinese
0     a    man   120       90
2     a    man   110      108

('woman', 'a')
  level gender  math  chinese
3     a  woman   120      118

('woman', 'b')
  level gender  math  chinese
1     b  woman   130      100

5.pandas中的to_dict

函数功能：将datadrame转换成字典的形式
{ }表示字典数据类型，字典中的数据是以 {key : value} 的形式显示，是键名和键值一一对应形成的

6.pandas中的set_index

函数功能：指定某一个列作为索引

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。

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

verify_integrity：检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为false将提高该方法的性能，默认为false。
"""
import pandas as pd
import numpy as np
df = pd.DataFrame({'Country':['China','China', 'India', 'India', 'America', 'Japan', 'China', 'India'], 
 
                   'Income':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
 
                    'Age':[50, 43, 34, 40, 25, 25, 45, 32]})
   Country  Income  Age
0    China   10000   50
1    China   10000   43
2    India    5000   34
3    India    5002   40
4  America   40000   25
5    Japan   50000   25
6    China    8000   45
7    India    5000   32        
print(df.set_index('Country'))
         Income  Age
Country             
China     10000   50
China     10000   43
India      5000   34
India      5002   40
America   40000   25
Japan     50000   25
China      8000   45
India      5000   32           

6.1 pandas.DataFrame.reset_index

函数功能：重置索引（重置成默认索引）

df = pd.DataFrame([('bird', 389.0),
 
                   ('bird', 24.0),
 
                   ('mammal', 80.5),
 
                   ('mammal', np.nan)],
 
                  index=['falcon', 'parrot', 'lion', 'monkey'],
 
                  columns=('class', 'max_speed'))
 
输出：df
         class  max_speed
falcon    bird      389.0
parrot    bird       24.0
lion    mammal       80.5
monkey  mammal        NaN
# 重置索引时，将旧索引添加为列，并使用新的顺序索引：
df.reset_index()
    index   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal        NaN

7. pandas中的info

功能：打印一个DataFrame的简要介绍（index范围、columns的dtype、非空值的数量和内存的使用情况）

（1）、函数形式

DataFrame.info(verbose=None, buf=None, max_cols=None, memory_usage=None, show_counts=None)[source]

（2）、参数

• verbose（adj 冗长的）： bool, optional
  • 决定是否打印完整的摘要
  • 如果为False，那么会省略一部分
• buf： writable buffer, defaults to sys.stdout
  • 决定将输出发送到哪里
  • 默认情况下， 输出打印到sys.stdout
• max_cols： int, optional
  • 从“详细输出”转换为“缩减输出”，如果DataFrame的列数超过max_cols，则缩减输出。
• memory_usage： bool, str, optional
  • 决定是否应显示DataFrame元素（包括索引）的总内存使用情况
  • 默认情况下为True
  • True始终显示内存使用情况；False永远不会显示内存使用情况。
• show_counts： bool, optional
  • 是否显示非空值的数量
  • 值为True始终显示计数，而值为False则不显示计数

8. pandas中的fillna

功能：使用指定的方法填充NA/NaN值

（1）、函数形式

DataFrame.fillna(value=None, *, method=None, axis=None, inplace=False, limit=None, downcast=_NoDefault.no_default)

（2）、参数

• value： 标量、字典、series、dataframe
  • 标量：全部填写为同一特定值
  • 字典、dataframe：按列填写不同特定值
  • series：按index填写不同特定值
• method： {‘backfill’, ‘bfill’, ‘ffill’, None}, default None
  • 定义了填充空值的方法
  • ‘ffill’ 用前一个非空缺值填充
  • ‘bfill’ 用后一个非空缺值填充
• axis： {0 or ‘index’} for Series, {0 or ‘index’, 1 or ‘columns’} for DataFrame
  • ‘index’：按行填充
  • 'columns’按列填充
• inplace： bool, default False
  • 是否用新生成的列表替换原列表
  • 如果为True，则在原DataFrame上进行操作，返回值为None。
• limit： int, default None
  • 如果method被指定，对于连续的空值，这段连续区域，最多填充前 limit 个空值（如果存在多段连续区域，每段最多填充前 limit 个空值）。如果method未被指定， 在该axis下，最多填充前 limit 个空值（不论空值连续区间是否间断）