一、注释
1.命令行模型下:
按esc + 1: heading 1 效果 ;
按esc + 2: heading 2效果 ;
按esc + 3: heading 3效果 ;
按esc + 4: heading 4效果 ;
按esc + 5: heading 5效果 ;
按esc + 6: heading 6效果 ;
2.print('-' * 50, 'Get all rows except header') 50个短横线分割
二、数据处理
1.分组处理联写
tmp = df_farm.groupby('ID').agg( {'test01': [np.sum, np.average, pd.Series.idxmax],'test02': [np.sum, np.average],'test04': [np.average],'test05': [max, np.average]}).reset_index().round(0)
2.分组处理合并一二级索引
tmp.columns = tmp.columns.map('{0[1]}_{0[0]}'.format)
3.一列拆分为多列
df1 = df.drop("标签",axis=1).join(df['标签'].str.split(',',expand=True).stack().reset_index(level=1,drop=True).rename('标签'))
4.单元格中是否包含多个字符
check = ['test01','test02']
tmp = session_df[session_df.apply(lambda col: col.str.contains('|'.join(check))).any(axis=1)]
5.百分比取整
sig_d_df['test'] = (sig_d_df['test01']/sig_d_df['test02']).map(lambda x: format(x,'.0%'))
6.判断某个变量处于某个范围
df = df[df['length'].between(6, 8)]
7.利用round函数可进行四舍五入
df['diff_time'] = round(df['diff_time'])
8.字符中有空值转数字型
df_farm['test'] = pd.to_numeric(df_farm['test'], errors='coerce')