Python代码记录

• （1）plt.plot(x,data, linewidth=2,color='#D7BB13',label='Pass-through',marker='D')
  • D为菱形，o为圆形，^为三角形
• （2）pd.concat的运用：
  • a = [1, 2, 3]
  • b = [1, 2]
  • c = [1, 2, 3, 4]
  • #axis=1是指按照列合并，不同行数的dataframe也可以合并在一起，缺失值自动用nan补齐
  • pd.concat([pd.DataFrame({'a': a}), pd.DataFrame({'b':b}), pd.DataFrame({'c':c})], axis=1)

    

  • data = data.fillna('') #该命令是将缺失值nan转换为‘’
  • #axis=1是指按行合并
  • data=pd.concat([pd.DataFrame({'a': a}), pd.DataFrame({'b':b}), pd.DataFrame({'c':c})], axis=0)

    

• （3）for index, row in df.iterrows():
  • #row代表每行的数据，数据格式为series，index是每行的索引
  • row可以用row[0]读取第一行的值，也可以根据row['index的名称']来读取某一行的值
• （4）重置index
  • 下面这段代码最好重置一下index，否则在按照列concat(axis=1)时可能会受index不连续或者不一样影响，导致concat后行数比预想的多很多：

    

    • 用.reset_index()重置DataFrame的index：
      • 如果想保留原有index，即原有index变成新的一列，跟在重置的从0开始的index后面，即用.reset_index()即可
      • 若不想保留原有的index，则用.reset_index(drop=True)，此时就直接更新index，从0开始，一直连续
• （5）筛选DataFrame的某一列，并转换成列表，可以用.tolist()

  

• （6）DataFrame数据格式如果用df['name of one column']，则得到的是object数据格式。
  • DataFrame数据格式如果用df[['name1 of one column','name2 of one column']]，得到的才是dataframe数据格式
• （7）list(df)，其中df是dataframe数据格式，则可以得到df的所有列名组成的列表
• （8）DataFrame数据格式可以用group根据某一列进行分块：

  

  • 在上面循环中，根据Unit groupby，则name1输出的是每一个Unit的名字，gp1输出的是对应Unit为name1时对应的矩阵块，数据格式为dataframe格式。
  • groupby和pd.concat([df1,df2],axis=0)或者pd.concat([df1,df2],axis=1)结合起来用非常好用。