python数据框 last()_PYTHON数据框操作

数据框是frame,首先reset_index(drop=True)，会将index删除，但frame本身默认不会变化，，reset_index参数inplace默认为False.当reset_index(drop=False)时index会被还原为1列。

首先我们删除了index列，加上axis=1，删除全列，inplace=True，frame就地改变。

改变索引，还原为之前frame.index=['three','one']，frame索引变化。此时，frame.reset_index(drop=True,inplace=True)这一步先将index 删除，就地改变，索引还原默认0,1.2………….N。

更改局部index 和列名：object.rename(index/columns={' ': ' '})

frame.rename(columns={'d':'m'},inplace=True)

Pandas之set_index()

将c,d列设置为index。

frame.set_index(['c','d'],drop=False)，drop设置为false,原来的列不被丢失。

利用reset_index()原来index被还原为列。

数据框的合并pd.merge()

Pd.merge()合并是去相同的列，默认为how='inner'，可以发现这列的c,d不见了。

pd.merge(df3,df4,left_on='lkey',right_on='rkey')在数据框合并是左边使用列lkey,右边使用列rkey,默认是inner，得到的结果rkey，lkey都在结果出现，两个列是相等的。

How='left','right','inner','outer'等选择。

pd.merge(left1,right1,left_on='key',right_index=True)左侧数据用列，右侧数据用索引，how默认inner

pd.merge(lefth,righth,left_on=['key1','key2'],right_index=True),左侧数据用两列进行合并。

Df.join()，数据框的合并

np.concatenate()，

np.concatenate([arr,arr],axis=0)用于数组的合并，axis=0行与行的对接，axis=1列与列的对接。默认axis=0

Pd.concat()

pd.concat([obj1,obj2], axis=0/1),将合并对象放入[]中传入对象参数，axis默认是0，行与行的对接，join默认outer,与pd.merge()不同，这里参数是join

Pd.merge()，key参数会根据axis=0/1,x新建index名或者column名，第一重索引，具体见【50】

Unstack()与stack()

Unstack()会将series还原为dataframe，stack()将dataframe变成series

Series对象的unique,value_counts()

ddd

数据框的unstack(),二重columns为列，也可指定是index name

Df.melt()

df.melt('key')将key作为变量的其余变量作为var的值，对应值为value的值

pivot()是其逆操作。

Pd.melt()也可以将变量值先限制为某一些，【A,B,原变量】,同样可以不指定id变量，直接传入变量值【A,B,C】