pandas——DataFrame

1.选择数据：Pandas使用loc[]方法来选择行的数据
选择单行数据：df.loc[3]、df.loc[:,[‘a’,‘c’]]
df.loc[[2,5,10]] # 返回行标号为2，5，10三行数据
df.loc[3:6] # 使用了切片，注意：由于这里使用loc[]函数，所以返回的是行标号为3，4，5，6的数据，与python的切片不同的是这里会返回最后的标号代表的数据，但也可以使用python的切片方法：food_info[3:7]

选择指定区域数据：
df.iloc[0:5]、df.iloc[0,1]—第0行第1列的数据
df.iloc[1:4,[0,2]]；df.iloc[:,[0,2]]
df.iloc[:3,:2]
2.查看维度/显示数据格式：df.shape
3.显示某列的数据类型：df[“age”].dtype；查看各列的数据类型：
4.与Numoy一样，用dtype属性显示数据类型：df.dtypes
object–字符串类型；int–整形；float–浮点数类型；datetime–时间类型；bool–布尔类型
5.查看列名称：df.columns；查看索引：df.index
6.查看前5行、后5行的数据：df.head()、df.tail()
查看前3行数据：df.head(3)
7.用0填充空值：df.fillna(-100)
8.设置索引列：df.set_index(‘time’)
9.重设索引：df.reset_index()
10.删除某行/某列：df0 = df.drop(‘label’,axis=1)
11.返回行数：df.shape[0]、len(df)；返回列数：df.shape[1]
12.将csv文件中的-105用-100代替：df.replace(-105,-100,inplace=True)
13.得到每列数据的总量、平均值、最小值、25%、50%、75%和最大值：df.describe()
14.去除DataFrame中的nan空值：df0 = df.dropna()
15.将DataFrame转换成array：arr = df0.values
16.求每一列的最小值：df.iloc[:,0:520].min()
17.去除重复数据，得到不重复的值：df.drop_duplicates(subset=None,keep=‘first’,inplace=True)
(可指定列数；‘first’：删除第一次出现的重复项，‘last’：最后一次，‘False’：所有重复项；‘False’：表示生成一个副本，‘True’：表示在原来df上删除重复项)
18.df.loc[df[“BUILDINGID”==0][“FLOOR”].unique()
（先取出“BUILDINGID”==0的所有数据，再取出“FLOOR”列中的唯一值，返回数组）
19.检查df中是否有空值：df1 = df.isnull().sum()
计算空值的数量：df2 = df1.sum()
20.df的合并：
pd.concat([df0,df1],axis=1)—左右合并
pd.concat([df0,df1],axis=0/不写)—上下合并
21.添加标签：
combined = df.assign(label=(df[‘Longitue’].astype(str)+’’+df[‘Latitude’].astype(str)+’’+df[‘Floor’].astype(str)).astype('category).cat.codes)
len(combined[“label”].unique())
22.DataFrame转换成列表：df.tolist()
23.Pandas使用Series数据结构来表示一行或一列的数据，类似于Numpy使用向量来表示数据。Numpy只能使用数字来索引，而Series可以使用非数字来索引数据，当你选择返回一行数据的时候，Series并不仅仅返回该行的数据，同时还有每一列的标签的名字。
24.读取数据：Pandas使用函数read_csv()来读取csv文件
train_ df = pd.read_csv(‘E:\wifi定位数据集\library dataset\dataset_all\01\train_floor3.csv’,header = None)
25.Pandas直接把列名称填充就能返回该列的数据：
df[“NDB_No”]# 返回列名称为NDB_No的那一列的数据
df[[“Zinc_(mg)”,“Copper_(mg)”]]# 返回两列数据

26.简单运算：对DataFrame中的某一列数据进行算术运算，其实是对该列中的所有元素进行逐一的运算。
由于每一列的数据跨度太大，有的数据是从0到100000，而有的数据是从0到10，所以为了尽量减少数据尺度对运算结果的影响，采取最简单的方法来规范化数据，那就是将每个数值都除以该列的最大值，从而使所有数据都处于0和1之间。其中max()函数用来获取该列的最大值，如：df[‘Protein_(g)’].max()

27.对DataFrame的某一列数据排序，只需要使用函数sort()即可。
df.sort(“Sodium_(mg)”) # 函数参数为列名，默认是按照升序排序，同时返回一个新的DataFrame
df.sort(“Norm_Nutr_Index”, inplace=True, ascending=False )# 通过inplace参数来控制在原表排序，而不是返回一个新的对象；ascending参数用来控制是否升序排序

28.添加新列：只需要使用中括号和赋值符就能添加新列，类似于字典

链接：https://www.jianshu.com/p/96cebbe35cd9；https://www.jianshu.com/p/4ff1d2b23ab3