pandas_替换_重命名索引_分箱_随机抽样_字符串操作(Series)

替换

可以使用replace将pandas对象中的指定值替换为别的值

import pandas as pd
import numpy as np
df = pd.DataFrame({0:[5,7,1,5],1:[2,9,7,2],2:[5,8,4,4]})
df.replace({4:[np.nan],5:['as']}) #将4和5 分别替换为 nan和as

重命名轴索引

使用rename方法修改索引

df.rename(index={'OHIO': 'INDIANA'}, columns={'three': 'peekaboo'})
#inplace=True #在rename加此函数 可以改变原始数据
df

离散化和分箱

import pandas as pd
bins = [18,25,35,60,100]
ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]
group_names = ['Youth', 'YoungAdult', 'MiddleAged', 'Senior']
cats = pd.cut(ages, bins, labels=group_names)
cats

bins:分箱的区间 分箱的区间通常是左开右闭的 例：（18-25]）
ages：原始数据
group_names:分箱区间命名
cats：分箱函数

随机和抽样

我们需要打乱原有的数据顺序，让数据看起来像现实中比较混沌、自然的样子。这里推荐一个permutation操作，它来自numpy.random 可以随机生成一个序列

order = np.random.permutation(5)  #随机生成5个数  范围在0-4(根据你输入的数字)

处理df，让行的顺序变成随机排序

df.take(order)

对df进行随机抽样

df.sample(n=3) #抽取3行数据 超过原始数据的行数会报错
df.sample(n=10,replace=True) #replace=True：可以重复抽取 这样可以超过总行数 但是会有重复值

字符串操作 基于 Series

1.创建一个 Series 数据集

import pandas as pd
import numpy as np 
dic= {'one':'feixue', 'two':np.nan, 'three':'tom', 'five':'jerry@film'}
s = pd.Series(dic)

2.使用 Series的函数 改变字符串

s.str.upper() #变为大写 自动跳过 nan 空值

3.其他 Series的函数

cat :粘合字符串
contains：是否包含的判断
count：计数
extract：返回匹配的字符串组
endswith：以xx结尾判断
startswith：以xx开始判断
findall：查找
get：获取
isalnum：类型判断
isalpha：类型判断
isdecimal：类型判断
isdigit：类型判断
islower：是否小写
isnumeric：类型判断
isupper：是否大写
join：连接
len：长度
lower：小写
upper：大写
match：匹配
pad：将空白加到字符串的左边、右边或者两边
center：居中
repeat：重复
replace:替换
slice：切片
split：分割
strip：脱除
lstrip：左脱除
rstrip：右脱除