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’})
5个实用的pandas操作
最新推荐文章于 2022-03-02 13:00:11 发布