5个实用的pandas操作

1.explode
explode用于将一行数据展开成多行。dataFrame中某一行其中一个元素包含多个类型的数据，可以使其分别展开。
语法：
DataFrame.explode(self,column:Union[str,Tuple])
参数作用：
column：str或tuple


使用explode轻松将[2,3,8]转换成多行，且行内其他元素保持不变。


2.Nunique
Nunique用于计算行或列上唯一值的数量，即去重后计数。
用法：
Series.nunique(drop = True)
DataFrame.nunique(axis = 0,dropna = True)
参数作用：
axis：int型，0代表行，1代表列，默认0.
dropna：bool类型，默认为True，技术中不包括NAN


对year列进行唯一值计数。

输出：10.


3.infer_objects
infer_objects用于将object类型列推断为更合适的数据类型。
用法：
DataFrame.infer_objects()
pandas支持多种数据类型，其中之一是object类型。object类型包括字符串和混合值（数字及非数字）。
object类型比较宽泛，如果可以确定为具体数据类型，则不建议用object。



使用infer_objects方法将object推断为int类型：


4.memory_usage
memory_usage用于计算dataframe每一列的字节存储大小，这对于大数据表非常有用。
用法：
DataFrame.memory_usage(index_Ture,deep=False)
参数解释：
index：指定是否返回df中索引字节大小，默认为True，返回的第一行即是索引的内存使用情况；
deep：如果为True，则通过查询object类型进行系统级内存消耗来深入地检查数据，并将其包括在返回值中。


返回每一列的占用字节大小。


5.replace
replace是用来替换df中的值，附以新的值。
用法：
DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method=‘pad’)
参数解释：
to_replace：被替换的值
value：替换后的值
inplace：是否要改变原数据，False是不改变，True是改变，默认是False
limit：控制填充次数
regex：是否使用正则,False是不使用，True是使用，默认是False
method：填充方式，pad,ffill,bfill分别是向前、向前、向后填充


将A全部转换为D：
df.replace(‘A’,‘D’)
将B替换为E，C替换为F
df.replace({‘B’,‘E’,‘C’:‘F’})