【python数据处理】pandas行列操作及聚合

1.列操作 apply df.coulumn.function()  (df.count.mean()这种)例子:将Name列全部大写 from string import upperdf['Name'] = df.Name.apply(upper)用lambda操作列例子:创建一列email的供应商df['Email Provider'] = df.Ema...
摘要由CSDN通过智能技术生成

1.列操作 apply 

df.coulumn.function()  (df.count.mean()这种)

例子:

将Name列全部大写 

from string import upper

df['Name'] = df.Name.apply(upper)

用lambda操作列

例子:创建一列email的供应商

df['Email Provider'] = df.Email.apply(
    lambda x: x.split('@')[-1]
    )

 2.行操作 lambda   

if前一行结尾\ if结尾加\ 记得要axis=1

在使用lambda操作行的时候只要不加列名就是操作行

比如列操作( df.Email.apply)而行操作(df.apply)

则使用行操作 记得要axis=1

一个简单的判断方法是列操作只操作自己这列,行操作一般要用好几列的数据

 例子1: 40小时以下和40小时以上不同薪,计算出每个人总薪

import codecademylib
import pandas as pd

df = pd.read_csv('employees.csv')

total_earned = lambda row: (row.hourly_wage * 40) + ((row.hourly_wage * 1.5) * (row.hours_worked - 40)) \
	if row.hours_worked > 40 \
  else row.hourly_wage * row.hours_worked

  
df['total_earned'] = df.apply(total_earned, axis = 1)

print(df)

例子2 分别进行列操作和行操作

import codecademylib
import pandas as pd

orders = pd.read
  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值