工作中对pandas的dataframe的常用总结

• 获取某一列中元素的个数

df_demo['userid'].value_counts()

• 给列名重命名

 df_demo.rename(columns={"update_time_x":"update_time","department_x":"department"}, inplace=True)

• 删除指定列

 df_demo.drop(["update_time","department,"],axis=1)

• 根据某两列进行排序

df = df.sort_values(by=["end_time", "userid"])

• pandas to_sql方法写入myql时的内部事务操作：

from sqlalchemy import create_engine
    def run(self):
      engine = create_engine('mysql+pymysql://user:password@host:port/database',encoding='utf8')        
      with engine.connect() as conn:
            trans = conn.begin()
            try:
                conn.execute("""delete from table1 where end_time ='2099-12-31'""")
                my_df.to_sql(name="mytable", con=conn, index=False,if_exists="append")
            except Exception as e:
                trans.rollback()
                raise e
            else:
                trans.commit()
                trans.close()
        return "ok"

• 判断一个dataframe 是否为空：

changed_un.empty == True    #True 表示为空，False表示不为空

• 将dataframe 通过某一列或几列进行分组，生成多个dataframe，将每个datafame导出到一个excel工作簿中

gropuyby_df = pd.read_excel("aa.xlsx").groupby(['邮箱','所属销售'])
for i in gropuyby_df:
      i[1].to_excel("./FileDir/{}.xlsx".format(i[0][1]),index=False)

• 去掉dataframe中的某一列中字符串中的空格

df_today['department'] = df_today['department'].str.replace(' ', '')

• dataframe 中每一列数据的类型

df_today.dtypes

• dataframe 中某一列数据的类型

df_today['update_time'].dtypes

• dataframe 中某一列数据转换成list

df_today['update_time'].to_list()

• dataframe 根据某一列分组，获取另外一列的最大值

df = df.groupby('group_md5_id').apply(lambda t: t[t.chat_time == t.chat_time.max()])

• dataframe 中某一列中数值类型为字符串且将其进行格式化输出

df_today['update_time'] = df_today['update_time'].apply(lambda x: x.strftime("%Y-%m-%d"))

• dataframe 将某一列时间类型的元素转化为时间戳类型

def convert(x):
    d = datetime.datetime.strptime(x,"%Y-%m-%d %H:%M:%S")
    t = d.timetuple()
    timeStamp = int(time.mktime(t))
    return timeStamp
df['ts_start_time'] = df.start_time.apply(lambda x: convert(x))

• dataframe 将某一列的类型转化为时间类型

df['start_time'] = pd.to_datetime(df['start_time'])

• dataframe 产生由A列累加的新列（B列）

df2['累加数'] = df2['周期'].cumsum()

• dataframe 导出一个excel工作簿的多个sheet

writer = pd.ExcelWriter('demo.xlsx',index=False)
df1.to_excel(writer, sheet_name="sheet1", index=False)
df2.to_excel(writer, sheet_name="sheet2", index=False)

• 通过[]获取满足条件的行

df[df['age']>=12]     # 获取年龄大于等于12岁的行
df[~df['age']>=12]     # 获取年龄小于等于12岁的行
df = df[df['age'].isnull() == False] #删除年龄为缺少值的行数据

• 通过两列共同决定另外一列的值

df_total["is_today_add_wechat"] = df_total[["is_power_today_leads", "is_mon_add_wechat"]].apply(lambda x: 1 if x["is_power_today_leads"]==1 and x["is_mon_add_wechat"] else 0, axis=1)

• groupby中进行多种形式的聚合

df.groupby(by=['学科名称','班主任id','班主任名称','上课时段']).agg(班级数=('班级id','count'),学员数=('学员量','sum'),班级id列表=("班级id", lambda x : ",".join(x.unique())),).reset_index()

• 向某一类中填充其他列的值

df['变更后上课时段']=df['变更后上课时段'].fillna(df['上课时段'])