pandas

https://blog.csdn.net/lwgkzl/article/details/80948548

去掉字符串中的空格，转为10进制
　　test_data.applymap((lambda x: int("".join(x.split()), 2) if type(x) is str else x))

pandas 过滤

条件过滤

 

读取时间

data = pd.read_csv("covid.csv")
df = data.loc[data["countriesAndTerritories"] == "Afghanistan", ["dateRep", "cases"]]
print(df)
df['dateRep'] = pd.to_datetime(df['dateRep'],format="%d/%m/%Y").apply(lambda x: x.strftime("%Y-%m-%d"))

　　

newdf1 = data[(data.continentExp == "Asia") & (data.countriesAndTerritories == "China")]
newdf2 = data.query('continentExp == "Asia" & countriesAndTerritories == "China"')
newdf3 = data.loc[(data.continentExp == "Asia") & (data.countriesAndTerritories == "China")]

　　对于名称中带有空格的列，可以使用反引号引起来

data.query("`machine num` == 1")

　　

 

 

增加一行

df.loc['new_raw'] = '3'

df
Out[84]: 
        one two three four
a         0   1     2    3
b         4   5     6    7
c         8   9    10   11
d        12  13    14   15
new_raw   3   3     3    3

增加一列

df['new_colu']='12'#向 DataFrame 添加一列，该列为同一值

df
Out[93]: 
        one two three four new_colu
a         0   1     2    3       12
b         4   5     6    7       12
c         8   9    10   11       12
d        12  13    14   15       12
new_raw   3   3     3    3       12

　　

 

pandas按行按列遍历Dataframe的几种方式

• iterrows(): 按行遍历，将DataFrame的每一行迭代为(index, Series)对，可以通过row[name]对元素进行访问。
• itertuples(): 按行遍历，将DataFrame的每一行迭代为元祖，可以通过row[name]对元素进行访问，比iterrows()效率高。
• iteritems():按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row[index]对元素进行访问。

for index, row in df.iterrows():
    print(index) # 输出每行的索引

　　

 dataframe取多列

tpot_data[[18, 19]]


重新排序

    m = np.concatenate((testing_target.values.reshape(-1, 1), y_pred.reshape(-1, 1)), axis=1)
    code_origin = pd.DataFrame(m, index=None, columns=["true", "predict"])
    code_origin.sort_values("true", inplace=True)