清晰明了的DataFrame行列处理

前言

python里的东西都太过灵活，这篇文章是为了梳理一下DataFrame的提取行列操作。先定义以下DataFrame，df.

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(12).reshape(3,4),columns=list('ABCD'))
print(df)

结果：

   A  B   C   D
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

df2 = pd.DataFrame(np.arange(12).reshape(3,4),columns=list('ABCD'),index=['Jerry','John','Sam'])
print(df2)

结果：

       A  B   C   D
Jerry  0  1   2   3
John   4  5   6   7
Sam    8  9  10  11

处理，提取行和列

df[]

中括号既可以用来提取行，也可以用来提取列，区分两种方式的用法十分重要。
如果是默认index（第一行从0开始），那么用df[]基本无法处理行

df[]处理列

自定义索引、list、结合df.columns，Callable对象

1. 用自定义索引（列名）提取单列

df['A'] 

结果：

0    0
1    4
2    8
Name: A, dtype: int32

df2['A']

结果：

Jerry    0
John     4
Sam      8
Name: A, dtype: int32

2. 用list提取多列

df[['A','C']] 

结果：

	A	C
0	0	2
1	4	6
2	8	10

df2[['A','C']] 

结果：

	A	C
Jerry	0	2
John	4	6
Sam	8	10

3. 结合df.columns用列序号提取单列/多列

1. df.columns[0]是用来选取自定义索引（列名）的（上文1.）
2. df.columns[[0,2]]是用来选取列名的list的（上文2.）

df[df.columns[0]] 

结果：

0    0
1    4
2    8
Name: A, dtype: int32

df2[df.columns[0]] 

结果：

Jerry    0
John     4
Sam      8
Name: A, dtype: int32

df[df.columns[[0,2]]] # 结合df.columns用列序号提取多列

结果：

	A	C
0	0	2
1	4	6
2	8	10

df2[df.columns[[0,2]]]

结果：

	A	C
Jerry	0	2
John	4	6
Sam	8	10

df[df.columns[0:3]] # 结合df.columns用列序号提取多列

结果：

	A	B	C
0	0	1	2
1	4	5	6
2	8	9	10

df2[df.columns[0:3]]

结果：

	A	B	C
Jerry	0	1	2
John	4	5	6
Sam	8	9	10

4. callable对象

各种函数（少不了我们的lambda）

df[lambda x: df.columns[3]]

结果：

0     3
1     7
2    11
Name: D, dtype: int32

def chooseCol(x):
    return df.columns[x]

df[chooseCol(1)]

结果：

0    1
1    5
2    9
Name: B, dtype: int32

df[]处理行

默认索引，自定义索引，bool数组

1. 默认索引

df[:1]

结果：

	A	B	C	D
0	0	1	2	3

df2[:1]

结果：

	A	B	C	D
Jerry	0	1	2	3

2. 自定义索引

df[0:2] # 只要行索引是int型就无法使用自定义索引，原因应该是无法识别字符串和int，大家也可以试一试将index换成[1,2,3]看看效果如何

结果：

	A	B	C	D
0	0	1	2	3
1	4	5	6	7

df2['Jerry':'Sam'] # 注意自定义索引左右都是闭区间，所以Jerry行和Sam行都被选中了

结果：

	A	B	C	D
Jerry	0	1	2	3
John	4	5	6	7
Sam	8	9	10	11

3. bool数组

df[[True,False,True]] # 选了True的才会被选中

结果：

	A	B	C	D
0	0	1	2	3
2	8	9	10	11

df[df.duplicated()] # df.duplicated()返回的是bool数组，如果行有重复，默认返回第一项为True，其余为False；如果行没重复，返回的就是False。

结果：

	A	B	C	D

修改行和列的名称

df.rename()
比较重要的参数：mapper, index, columns, axis, inplace.

1. mapper = 字典，将要替换的行名或列名传入字典
2. index = mapper 等价于 mapper, axis = 0
3. columns = mapper 等价于 mapper, axis = 1
4. axis = 0代表行，axis=1代表列
5. inplace = True就是直接更改，返回None；inplace = False就会返回一个更改过的数组

df.rename({'A':'a'} ,axis = 1,inplace=True)
print(df)
print(df.rename(mapper = {'a':'A'} ,axis = 1))
print(df.rename(columns={'B':'bbbb'}))
print(df.rename(index={0:'aaa'}))