数据清洗实战入门——数据表处理

数据筛选方法

• df.info()：查看数据表概况
• df.head(n)：查看前n行/条数据
• 取某个字段：df['name']
• 取多个字段：df[['name1','name2']]
• 取对应字段的某/多行：df[['name1','name2']][3:6]
• loc函数：根据索引进行选择（Selection by Label）
  • 形式：df.loc[row,columns]
  • 选取多个列标签时，可用列表的形式放到columns那里，eg：df.loc[:,['uid','age']]
  • 可用表达式筛选行，eg：df.loc[uid==111,'age']
• iloc函数：根据位置进行选择（Selection by Position），即选取第几行第几列，只接受整数参数
  • 示例：df.iloc[a,b]，这里的a、b还是下标（从0开始），表示选取第a+1行b+1列
  • 可用切片，也可用列表传入

数据增加和删除

• 增加：df.insert(loc,'col_name',data)
  • loc为插入的位置（从0开始）
  • col_name为字段名
  • data为要插入的数据
  • eg：df.insert(0,'name',data)
• 删除（法1）：df.drop(labels,axis,inplace)
  • labels指定要删除的标签，eg：
  • axis指定按行操作（0）还是按列操作（1），即axis=0表示labels指定的是行、axis=1表示labels指定的是列
  • inpace表示是否对原数据生效（True or False，默认为False）
  • eg：df.drop(labels=[1:3],axis=0)
• 删除（法2）：del df['col']
  • 直接删除df中的某一列

数据修改和查找

• 修改列标签：df.rename(columns={'':''})