增删改字段
#增
data['age'] = '20' #在data中新增age字段,全部设置为20
#删
del data['age'] #删除age列
#改
data.rename(column={'age':'年龄'},inplace=True) #将age字段名改为年龄
分组
groupby()
group_manager = user_level.groupby('level') #分组后的数据不直接可见
group_manager.count() #可使用count方法进行分组计数
#使用for循环看排序后数据
for name,df in group_manager:
print(name)
print(df)
聚合
sum()
product_gp[['消耗']].sum() #分组后sum聚合,两个方括号是DataFrame更美观,一个方括号是Series
agg()
product_gp.agg({'消耗':['max','min'],'GMV':'min'}) #对消耗字段查看max和min,对GMV字段查看min
product_gp[['消耗','GMV']].agg(lambda x:x.max()-x.min()) #查看消耗字段和GMV字段的最大值与最小值的差值
history['最大GMV'] = product_gp[['GMV']].transform(func='max') #分组后的最大值GMV作为字段添加到history
history['每日GMV排名'] = history.groupby('投放日期')[['GMV']].rank(method='dense',ascending=False) #按照投放日期分组后对GMV排序
其他常用聚合函数:
max:找到最大值。 min:找到最小值。
sum:计算总和。 mean:计算平均值。
median:计算中位数。 count:计算非缺失值数量。
std:计算标准差。 var:计算方差。
first:找到第一个非缺失值。 last:找到最后一个非缺失值。