python DataFrame基本操作笔记

Dataframe是python的一种数据结构，几乎可以跟所有的数据结构互相转换

平时处理数据的时候也经常会用到dataframe，但是每次都上网查，感觉印象不是很深，所以这次把处理数据的代码贴上来加深一下印象。

这次要简单处理的数据是专利的分类号。

1. 先读取数据并选择分类号列并使用dropna()方法将nan值去除

df = pd.read_csv('us_data_all_cleaned.csv', sep=',')
fenlei = df["分类号"]
fenlei=fenlei.dropna()

获取到的数据如下

一行数据代表一个专利，但是如数据所示，一个专利可能有多个专利号，并且使用；进行分隔。所以对数据用；split掉生成多个列表再对列表中每一个元素取前三位：

for i in fenlei:
	i = i.split(';')
	k = list(set(list(map(lambda x:x.strip()[0:3], i))))

print一下得到的结果

然后再加入到字典中，得到如下效果：

2. 接下来就是对dataframe和字典类型转换的运用

（1） 将字典转换成dataframe，字典中的keys和values分别是dataframe的两列

count_df = pd.DataFrame.from_dict(count_dict, orient='index', columns=['专利数量'])

（2） 分类号也单独拿出作为一列

count_df = count_df.reset_index().rename(columns={'index':'分类号'})

（3） 以分类号位基准进行排序

count_df = count_df.sort_values(['分类号'])

（4） 再对最左边的index重新排序

最后写入csv文件就完事了