【Python】Pandas DataFrame整理、运算操作

一、DataFrame的建构整理

1. 转置
2. 行和列的增加减少变动
   （1）列的增加可以有2种情况：使用索引列的方法；使用concat函数合并
   （2）行的增加有3种情况：使用concat函数合并，使用append函数增加
   （3）drop函数和del函数删除
   concat函数参数介绍，函数简介
   pandas 数据合并方法汇总
   concat合并两个dataframe 合并的多个示例
3. 重置索引reindex
4. 比较少用：替换

二、DataFrame的运算与函数

1. 简单运算中+、-、*是简单运算符可以直接使用，而除法需要通过div方法，例如

data1.div(data2,fill_value=0)

2. 函数应用，.apply(函数名，axis=0)，如果需要应用到行上就将axis=1。

三、DataFrame的描述

1. 排序、给出排名：分别用sort和rank函数
2. 数据缺失值和重复值

import pandas as pd
df1=pd.DataFrame({1:['Zames']*2+['Tin']+['bin'],2:'Jack',3:'Marry',4:'Jess'},index=['a','b','c','d'])
print(df1)
print('显示哪一行重复:\n',df1.duplicated())
print('显示去重结果:\n',df1.drop_duplicates())

判断DataFrame哪一个位置上是缺失值需要使用isnull()函数，返回元素是bool的DataFrame

四、DataFrame数据规整化

1. 选出或保留不是缺失值的数据（索引配合Notnull()函数）

2. 缺失值的填充fillna(method=)函数
   fillna()函数详解

3. 缺失值的选择删除 dropna()函数
   含缺失值的DataFrame建立与dropna示例
   dropna函数参数简介

4. 重复数据的删除 df.drop_duplicates()函数

缺失值处理方案详解