处理DataFrame的技巧

DataFrame:

user_id	name	age	country	score	continent
1001	Mark	55	Italy	4.5	Europe
1000	John	33	USA	6.7	America
1002	Tim	41	USA	3.9	America
1003	Jenny	12	Germany	9	Europe

如果在构造DataFrame时没有提供列名，那么pandas会用从0开始的数字为列编号。

user_id name age country score continent
0 1001 Mark 55 Italy 4.5 Europe
1 1000 John 33 USA 6.7 America
2 1002 Tim 41 USA 3.9 America
3 1003 Jenny 12 Germany 9.0 Europe

将某列设为索引
df.reset_index().set_index("user_id")

为列命名
df.columns.name = "properties"

properties	user_id	name	age	country	score	continent
0	1001	Mark	55	Italy	4.5	Europe
1	1000	John	33	USA	6.7	America
2	1002	Tim	41	USA	3.9	America
3	1003	Jenny	12	Germany	9.0	Europe

---

修改列名
df.rename(columns={"name":"First Name","age":"Age"})

删除列
df.drop(columns=["name","country"],index = [1000,1003])

index	age	score	continent
user_id
1001	0	55	4.5
1002	2	41	3.9

数据操作

选取数据

使用标签选取数据

df.loc[row_selection, column_selection]

df.loc[column_selection]会返回一个Series

df.iloc[1,2]

用in运算符判断是否包含某些对象

isin方法
df.loc[df["country"].isin(["Italy","Germany"]),:]

使用MultiIndex选取数据

df.reset_index().set_index(["continent","country"])

如何批量赋值

通过布尔索引设置数据

通过添加新列设置数据

添加新列还能增加筛选条件

添加新列时还涉及向量化运算

删除None

取唯一值