python dataframe一些处理示例

pandas的dataframe如何按指定list排序：

import pandas as pd
import numpy as np

#Series数据
s = pd.Series({'a':1, 'b':2, 'c':3})
print(s)
#list数据
list_custom = ['b', 'a', 'c']

#将series转换成dataframe
df = pd.DataFrame(s)
#重置df的索引，原来的索引变为一列
df = df.reset_index()
#设置列名
df.columns = ['word', 'number']
print(df)

#设置成"category"数据类型
df['word'] = df['word'].astype('category')
#inplace=True,使recorder_categories生效
df['word'].cat.reorder_categories(list_custom, inplace = True)
#inplace=True，使df生效
df.sort_values('word', inplace=True)
print(df)

out:

a    1
b    2
c    3
dtype: int64
  word  number
0    a       1
1    b       2
2    c       3
  word  number
1    b       2
0    a       1
2    c       3

---

将含有多值的列进行拆分：

import pandas as pd
import numpy as np

data = {'Country':['China','US','Japan','EU','UK/Australia', 'UK/Netherland'],
'Number':[100, 150, 120, 90, 30, 2],
'Value': [1, 2, 3, 4, 5, 6],
'label': list('abcdef')}

df = pd.DataFrame(data)
print(df)

out:
         Country  Number  Value label
0          China     100      1     a
1             US     150      2     b
2          Japan     120      3     c
3             EU      90      4     d
4   UK/Australia      30      5     e
5  UK/Netherland       2      6     f

将Country列中，index为4，5的数据进行拆分。

df = df.drop('Country', axis = 1).join(df['Country'].str.split('/', expand=True).stack().reset_index(level=1, drop=True).rename('Country'))
df.reset_index(drop=True, inplace=True)
print(df)

out：

   Number  Value label     Country
0     100      1     a       China
1     150      2     b          US
2     120      3     c       Japan
3      90      4     d          EU
4      30      5     e          UK
5      30      5     e   Australia
6       2      6     f          UK
7       2      6     f  Netherland

对其中代码进行拆解：

#对Country列数据进行拆分，expand表示拆分后转换成DataFrame
print(df['Country'].str.split('/', expand=True))

out:
       0           1
0  China        None
1     US        None
2  Japan        None
3     EU        None
4     UK   Australia
5     UK  Netherland

#stack用法不是很熟悉，网上的说法是将列索引转换成最内层的行索引。
#转换完成之后，发现Country数据到了一列中。
print(df['Country'].str.split('/', expand=True).stack())

out：
0  0         China
1  0            US
2  0         Japan
3  0            EU
4  0            UK
   1     Australia
5  0            UK
   1    Netherland
dtype: object

#使用stack转换换成后，通过reset_index重置索引，level的用法没太明白，drop=True是删除原索引。
print(df['Country'].str.split('/', expand=True).stack().reset_index(level=1, drop=True))

out：
0         China
1            US
2         Japan
3            EU
4            UK
4     Australia
5            UK
5    Netherland
dtype: object

#最后将原df中Country列删除，接上转换好的Country列
df = df.drop('Country', axis = 1).join(df['Country'].str.split('/', 
expand=True).stack().reset_index(level=1, drop=True).rename('Country'))
df.reset_index(drop=True, inplace=True)
print(df)