【549】pandas小技巧

参考：python pandas中 inplace 参数理解

参考：【pandas】删除满足条件元素所在的行

---

 1. 删除指定列 or 行

• Drop specified labels from rows or columns.
• 删除指定的行列信息。
• df.drop(columns=["name"], inplace=True)
• 默认 inplace 为 False，会新建一个对象（原对象不变）
• 若 inplace 设置为 True，则原对象进行处理
• 参考：https://pandas.pydata.org/pandas-docs/version/0.25.0/reference/api/pandas.DataFrame.drop.html

# 首先获取等于 0 的 dataframe
# 然后获取其 index，就是一个 list
# 然后删掉对应部分

opt_df.drop(opt_df[opt_df['solution_value'] == 0].index, inplace=True) 

 

2. 通过 apply 增加新列

• df["name"].apply(lambda item: "Mr. " + item) # 相当于名字前面加上前缀
• Apply a function along an axis of the DataFrame.
• 沿着 DataFrame 的某个轴的方向通过函数处理（可以不用频繁遍历了）
• 参考：https://pandas.pydata.org/pandas-docs/version/0.25.0/reference/api/pandas.DataFrame.apply.html
• func : function
  • Function to apply to each column or row.
• axis : {0 or ‘index’, 1 or ‘columns’}, default 0
  • Axis along which the function is applied:
  • 0 or ‘index’: apply function to each column.
  • 1 or ‘columns’: apply function to each row.

3. 增加新行

• 通过获取最后一列的索引
• df.loc[i] = ... 来实现 

 

4. 通过多个 list 创建 dataframe

• 需要通过 matrix 在中间过渡一下
• 不过主要 matrix 需要做个 transpose

matrix = np.matrix([model, precision, recall, F1])
df_metrics = pd.DataFrame(data=matrix.transpose(), columns=['model', 'precision', 'recall', 'F1'])