pandas 重命名列名指定列修改删除指定列增减列列转行

pandas explode() 爆炸（列拆分为多个行） | pandas 教程 - 盖若 https://gairuo.com/p/pandas-explode

pandas.DataFrame.explode — pandas 2.2.3 documentation https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.explode.html

pandas.DataFrame.explode

DataFrame.explode(column, ignore_index=False)[source]

Transform each element of a list-like to a row, replicating index values.

Parameters:

columnIndexLabel: Column(s) to explode. For multiple columns, specify a non-empty list with each element be str or tuple, and all specified columns their list-like data on same row of the frame must have matching length.

Added in version 1.3.0: Multi-column explode
ignore_indexbool, default False: If True, the resulting index will be labeled 0, 1, …, n - 1.

Returns:

DataFrame: Exploded lists to rows of the subset columns; index will be duplicated for these rows.

Raises:

ValueError

If columns of the frame are not unique.
If specified columns to explode is empty list.
If specified columns to explode have not matching count of elements rowwise in the frame.

See also

DataFrame.unstack: Pivot a level of the (necessarily hierarchical) index labels.
DataFrame.melt: Unpivot a DataFrame from wide format to long format.
Series.explode: Explode a DataFrame from list-like columns to long format.

Notes

This routine will explode list-likes including lists, tuples, sets, Series, and np.ndarray. The result dtype of the subset rows will be object. Scalars will be returned unchanged, and empty list-likes will result in a np.nan for that row. In addition, the ordering of rows in the output will be non-deterministic when exploding sets.

Reference the user guide for more examples.

Examples

>>> df = pd.DataFrame({'A': [[0, 1, 2], 'foo', [], [3, 4]],
...                    'B': 1,
...                    'C': [['a', 'b', 'c'], np.nan, [], ['d', 'e']]})
>>> df
           A  B          C
0  [0, 1, 2]  1  [a, b, c]
1        foo  1        NaN
2         []  1         []
3     [3, 4]  1     [d, e]

Single-column explode.

>>> df.explode('A')
     A  B          C
  0  1  [a, b, c]
  1  1  [a, b, c]
  2  1  [a, b, c]
foo  1        NaN
NaN  1         []
  3  1     [d, e]
  4  1     [d, e]

Multi-column explode.

>>> df.explode(list('AC'))
     A  B    C
  0  1    a
  1  1    b
  2  1    c
foo  1  NaN
NaN  1  NaN
  3  1    d
  4  1    e

import pandas as pd

# 创建一个简单的DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 添加新列
df['C'] = [7, 8, 9]

print(df)

@staticmethod
def modify_df_mask(df: pd.DataFrame, zone_index_name_map: Dict, ):
    """
    对pd.DataFrame列值修改
    """
    """
       FutureWarning: Setting an item of incompatible dtype is deprecated and will raise in a future error of pandas. Value '[320, 439)' has dtype incompatible with int64, please explicitly cast to a compatible dtype first.
        Cast a pandas object to a specified dtype ``dtype``.
       HOW TO
       df[column_name].astype('str').mask(df[column_name] == order_index, order_index_val, inplace=True)
    """
    rename = {}
    for column_name, order_index_lst in zone_index_name_map.items():
        tmp_column_name = f'tmp_{column_name}'
        rename[tmp_column_name] = column_name
        new_column_name_val = []
        for i in range(len(df[column_name])):
            new_column_name_val.append(order_index_lst[df[column_name][i]])
        df[tmp_column_name] = new_column_name_val
        df.drop([column_name], axis=1, inplace=True)
    CommonQuery.modify_df_rename(df, rename)

@staticmethod
def modify_df_rename(df: pd.DataFrame, name_to_show_dict: Dict, ):
    """
    对pd.DataFrame列名重命名
    """
    if not df.empty:
        if name_to_show_dict:
            df.rename(columns=name_to_show_dict, inplace=True)

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.eval方法的使用。

DataFrame.eval(self，expr，inplace = False，** kwargs ) [源代码]

评估描述DataFrame列上的操作的字符串。

仅在列上操作，而不在特定的行或元素上操作。这使 eval可以运行任意代码，如果将用户输入传递给此函数，可能会使您容易受到代码注入的攻击。

参数：

expr ： str

要评估的表达式字符串。

inplace ： bool，默认为False

如果表达式包含一个赋值，则是否就地执行操作并更改现有的DataFrame。否则，将返回一个新的DataFrame。

0.18.0版的新功能。

kwargs ： dict

有关eval()接受的关键字参数的完整详细信息，请参见文档query()。

返回值：

ndarray，标量或pandas对象

评估结果。

Notes

有关更多详细信息，请参见的API文档eval()。有关详细示例，请参见使用eval增强性能。

例子

>>> df = pd.DataFrame({'A': range(1, 6), 'B': range(10, 0, -2)})
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2
>>> df.eval('A + B')
0    11
1    10
2     9
3     8
4     7
dtype: int64

允许分配，尽管默认情况下不修改原始DataFrame

>>> df.eval('C = A + B')
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2

使用inplace=True修改原来的数据帧

>>> df.eval('C = A + B', inplace=True)
>>> df
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7

指定列修改 fillna

df["a"] = df.loc[:, "a"].fillna('null')

重命名列名

如何在Pandas中根据条件替换列中的值|极客教程 https://geek-docs.com/pandas/pandas-dataframe/how-to-replace-values-in-column-based-on-condition-in-pandas.html

Pandas的掩蔽函数是为了用一个条件替换任何行或列的值。现在我们使用这个屏蔽条件，将性别栏中所有的 “女性 “改为0。

语法: df[‘column_name’].mask( df[‘column_name’] == ‘some_value’, value , inplace=True )

在Pandas中根据条件替换列中的值

venv/Lib/site-packages/pandas/core/frame.py

Rename columns using a mapping:

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

>>> df.rename(columns={"A": "a", "B": "c"})

a c

0 1 4

1 2 5

2 3 6

删除指定列

for c in list(df.columns):

if c.endswith(self.magic_field_range_order()):

df = df.drop(columns=c)

posted @ 2024-07-30 16:00 papering 阅读(227) 评论(0) 收藏举报

刷新页面返回顶部

papering

pandas 重命名 列名 指定列 修改 删除指定列 增减列 列转行

pandas.DataFrame.explode

pandas 重命名列名指定列修改删除指定列增减列列转行