dataframe 一列的不同值_Pandas Cooking Book学习笔记（一）：基础知识（1）--DataFrame...

一、DataFrame示意图

注意：Pandas使用NaN来表示缺失值

二、基本操作
1.从1开始，因为0用于存储Index和Column
2.head和tail用于显示DataFrame的前后N行，他们只接受一个参数，就是N，即几行，缺省5行
3.访问DataFrame的Index、Column和数据

movie = pd.read_csv(‘data/movie.csv’)
index = movie.index
输出值:index.value
columns = movie.columns
data = movie.values

4.获取数据类型

movie.dtypes:获取所有列的数据类型
moves.get_dtype_counts()：获取各种数据类型的数量

5.选择一列作为Series

movie['director_name']或movie.director_name

6. 行、列名操作
（1） 将某列指定为索引
方法一：指定某列

movie = pd.read_csv('data/movie.csv') movie2 = movie.set_index('movie_title') 

方法二：读入文件是制定

movie = pd.read_csv('data/movie.csv', index_col='movie_title')

（2）修改行、列名

• 使用rename方法：DataFrame接受"旧列名：新列名"的map

idx_rename = {'Avatar':'Ratava', 'Spectre': 'Ertceps'} 
col_rename = {'director_name':'Director Name', 'num_critic_for_reviews': 'Critical Reviews'}
movie_renamed = movie.rename(index=idx_rename, columns=col_rename)

• 转化为数组

movie = pd.read_csv('data/movie.csv', index_col='movie_title') 
index = movie.index 
columns = movie.columns 
index_list = index.tolist() 
column_list = columns.tolist()
index_list[0] = 'Ratava' 
index_list[2] = 'Ertceps' 
column_list[1] = 'Director Name' 
column_list[2] = 'Critical Reviews'
movie.index = index_list 
movie.columns = column_list

7.创建和插入列
（1）新建列

• 使用统一值：

movie = pd.read_csv('data/movie.csv') 
movie['has_seen'] = 0

• 使用计算方法生成一列

movie['actor_director_facebook_likes'] =(movie['actor_1_facebook_likes'] +movie['actor_2_facebook_likes'] +movie['actor_3_facebook_likes'] +movie['director_facebook_likes'])

（2）插入一列

profit_index = movie.columns.get_loc('gross') + 1 
movie.insert(loc=profit_index, column='profit', value=movie['gross'] - movie['budget'])
8.选择列

（1）选择多行

movie_actor_director = movie[['actor_1_name', 'actor_2_name',  'actor_3_name', 'director_name']]
cols = ['actor_1_name', 'actor_2_name', 'actor_3_name', 'director_name'] 
movie_actor_director = movie[cols]

（2）使用方法选择行

• 根据类型选择

movie.select_dtypes(include=['int']).head()

• 使用filter方法

movie.filter(like='facebook').head()

• 使用正则表达式

movie.filter(regex='d').head()

9.使用列名排序

movie = pd.read_csv('data/movie.csv') 
movie.head()
disc_core = ['movie_title', 'title_year','content_rating', 'genres']
disc_people = ['director_name', 'actor_1_name','actor_2_name', 'actor_3_name'] 
disc_other = ['color', 'country', 'language'，'plot_keywords', 'movie_imdb_link']
new_col_order = disc_core + disc_people +disc_other + cont_fb + cont_finance + cont_num_reviews +cont_other
movie2 = movie[new_col_order] 
//这个实现的方法，其实就是利用了我们取DataFrame子集的方法，即[]。

二、在整个DataFrame上操作

1. 获取简单的描述：shap：行列；size多少个单元；ndim维数；len：多少行
2. count：各列的值的个数
3. min、max、mean、median、std，各列的对应描述
4. describe:各列的5类描述。我们也可以用percentiles来获取指定分位数的数量如：movie.describe(percentiles=[.01, .3, .99])

三、其他

1. 方法链
2. 在DataFrame上使用运算符
3. 比较缺失值
4. 调换DataFrame操作的方向

我们通常的运算都是以index为轴，我们可以通过使用axis='column'来以列为轴，如：
college_ugds_.count(axis='columns').head()