pandas常用方法

获取DataFrame数据的行数和列数

row,col=df.shape
row,col=df.shape[0],df.shape[1]

获取DataFrame前3条数据

# 默认是5
df.head(3)

获取DataFrame指定条件下的指定列(多个条件用&或|连接，并且每个条件加上括号())

students[students["student_id"]==101][["name","age"]]
students.loc[students["student_id"]==101,["name","age"]]

DataFrame新增列

employees["bonus"]=employees["salary"]*2

DataFrame删除重复列

1，drop_duplicats()方法

函数功能：

返回去除重复行的DataFrame，不考虑索引。

参数如下：

• subset：列标签或列标签组成的列表，默认所有列
• keep：决定重复行中保留哪个。first：保留第一个；last：保留最后一个；False：删除所有的重复行。
• inplace：布尔值，默认为False。不修改原来的DataFrame。
• ignore_index：布尔值，默认False。不改变DataFrame的原有索引标签，否则将重新从0开始。

customers.drop_duplicates(subset=["email"],inplace=True)

2，duplicated()

函数功能：

返回是否为重复行的布尔值Series

函数参数：

• subset：列标签或列标签组成的列表，默认所有列
• keep：决定标记重复行中的哪个：first：标记重复行的第一个之外的为True；last：标记重复行的最后一个之外的为True；False：标记所有的重复行为True。

# 找到重复行
ds=df.duplicated(keep="first")
# 使用非运算，返回不重复的行
df_unique=df[~ds]

DataFrame修改列值

# 方法1
employees["salary"]*=2
# 方法2
employees.salary *=2

DataFrame修改列名

# 方法1 使用rename()函数
students.rename(columns={"id":"student_id","name":"student_name"},inplace=True)

# 方法2 直接分配新列名列表
students.columns=["student_id","student_name"]

# 方法3 替换列属性字符串
students.columns=students.columns.str.replace("id","student_id")
students.columns=students.columns.str.replace("name","student_name")

# 方法4 使用set_axis()函数重命名
students.set_axis(["student_id","student_name"],axis="columns",inplace=True)

DataFrame修改列数据类型

# 设置单列数据类型
df["A"].astype("int")

# 设置多列数据类型
df.astype({'A':'int','B':'str','C':'float'})

DataFrame填充Nan值

fillna()函数

功能：主要用于填充数据中的空值NaN

• value：指定用来填充空值的值。可以是单个值，或者字典（key是列名，value是值）
• method：可以使用‘ffill’或‘bfill’来指定使用向前填充或后向填充的方式填充空值。'ffill'表示用前一个非缺失值填充当前空值，'bfill'表示用后一个非缺失值填充当前空值。
• axis：可指定填充的方向，默认为0（行方向）
• inplace：是否修改原DataFrame。默认为False
• limit：可以指定每列或每行最多填充的空值数量。这对时间序列数据特别有用，可以限制连续填充的最大数量。
• downcast：可以指定是否对填充后的数据进行类型转换来减少内存使用。

# 使用单个值填充所有缺失值
df.fillna(0)

# 按列指定不同的填充量
df.fillna({"A":0,"B":-1})

# 使用前一个非缺失值填充
df.fillna(method="ffill")

# 使用后一个非缺失值填充
df.fillna(method="bfill")

# 直接修改原DataFrame
df.fillna(value=0,inplace=True)

# 限制连续填充的数量
df.fillna(method='ffill',limit=1)

# 类型向下转换以节省内存
df.fillna(0,downcast='infer')

pandas中sort_values()排序

主要参数：

• by：字符串或字符串列表
• ascending：是否升序排序，默认为True。布尔值或布尔值列表。
• na_position：{"first","last"}，默认值为last，(如果指定排序的列中有nan值，可指定nan值放在第一个还是最后一个)

# 升序排列
df.sort_values('score')

# 降序排列，nan值放在最后
df.sort_values(by="score",ascending=False)

# nan值放在第一个
df.sort_values(by="score",na_position="first")

# 按照grammer列降序，score升序
df.sort_values(by=["grammer","score"],ascending=[False,True])