如下所示：
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> import pandas as pd>>> import numpy as np>>> from pandas import Series, DataFrame>>> df = DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]})>>> df classes name price0 1 a 111 2 a 222 3 b 333 4 b 44>>> |
根據(jù)index和columns取值
|
1
2
3
|
>>> s = df.loc[0,'price']>>> s11 |
根據(jù)同行的columns的值取同行的另一個columns的值
|
1
2
3
4
5
6
7
|
>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price']>>> sex0 11Name: price, dtype: int64>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'].values[0]>>> sex11 |
根據(jù)條件同時取得多個值
|
1
2
3
4
5
6
|
>>> name,price = df.loc[df.classes==1,('name','price')].values[0]>>> name'a'>>> price11>>> |
對一列賦值
|
1
2
3
4
5
6
7
8
|
>>> df.loc[: , 'price']=0>>> df classes name price0 1 a 01 2 a 02 3 b 03 4 b 0>>> |
對df的一個列進行函數(shù)運算
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
【1】>>> df['name'] = df['name'].apply(lambda x: x.upper())>>> df classes name price0 1 A 111 2 A 222 3 B 333 4 B 44【2】>>> df.loc[:, 'name'] = df['name'].apply(lambda x: x.upper())>>> df classes name price0 1 A 111 2 A 222 3 B 333 4 B 44>>> |
對df的幾個列進行函數(shù)運算
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
【1】>>> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x))>>> print(type(df.loc[0, "classes"]))<class 'str'>>>> print(df.loc[0, "classes"])1【2】>>> df.loc[:, ['classes','price']] = df[['classes', 'price']].applymap(lambda x: int(x))>>> print(type(df.loc[0, "classes"]))<class 'int'>>>> print(df.loc[0, "classes"])1>>> |
對兩個列進行去重
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> df classes name price0 1 a 111 1 a 222 3 b 333 4 b 44>>> df.drop_duplicates(subset=['classes', 'name'], inplace=True)>>> df classes name price0 1 a 112 3 b 333 4 b 44 |
多個條件分割字符串
|
1
2
3
4
5
6
7
8
9
10
|
>>> fund_memeber = '趙四、 王五'>>> fund_manager_list = re.split('[；， 、]', fund_memeber)>>> fund_manager_list['趙四', '', '王五']#DataFrame構(gòu)造器>>> df = DataFrame({'x':[1],'y':[2]})>>> df x y0 1 2>>> |
刪除某列值為特定值得那一行
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
>>> df = DataFrame({'name':['a','b','c','d'],'classes':[1,2,3,4],'price':[11,22,33,44]})>>> df classes name price0 1 a 111 2 b 222 3 c 333 4 d 44【方法一】>>> df = df.loc[df['name']!='a']>>> df classes name price1 2 b 222 3 c 333 4 d 44>>> 【方法二】 df.drop(df[df.name=='a'].index,axis=0) #篩選df的每列值包含某個字段‘/a' >>> import pandas as pd>>> df = pd.DataFrame({'a':['A', 'B'], 'b': ['AA', 'BB']})>>> df a b0 A AA1 B BB>>> df[df['a'].str.contains(r'A')] a b0 A AA>>> df = pd.DataFrame({'a':['/api/', 'B'], 'b': ['AA', 'BB']})>>> df a b0 /api/ AA1 B BB>>> df[df['a'].str.contains(r'/api/')] a b0 /api/ AA>>> |
把列變成index和把index變成列
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
df request_url visit_times9 fofeasy_產(chǎn)品基本信息 78 投顧挖掘 65 投顧挖掘 56 投顧挖掘 57 fofeasy_產(chǎn)品基本信息 53 fofeasy_產(chǎn)品基本信息 44 fofeasy_產(chǎn)品基本信息 42 投顧挖掘 20 行業(yè)數(shù)據(jù)——其他 11 行業(yè)數(shù)據(jù)——其他 1x = df.set_index('request_url')x visit_timesrequest_url fofeasy_產(chǎn)品基本信息 7投顧挖掘 6投顧挖掘 5投顧挖掘 5fofeasy_產(chǎn)品基本信息 5fofeasy_產(chǎn)品基本信息 4fofeasy_產(chǎn)品基本信息 4投顧挖掘 2行業(yè)數(shù)據(jù)——其他 1行業(yè)數(shù)據(jù)——其他 1x.reset_index('request_url') request_url visit_times0 fofeasy_產(chǎn)品基本信息 71 投顧挖掘 62 投顧挖掘 53 投顧挖掘 54 fofeasy_產(chǎn)品基本信息 55 fofeasy_產(chǎn)品基本信息 46 fofeasy_產(chǎn)品基本信息 47 投顧挖掘 28 行業(yè)數(shù)據(jù)——其他 19 行業(yè)數(shù)據(jù)——其他 1 |
pandas 按照列A分組，將同一組的列B求和,生成新的Dataframe
|
1
2
3
4
5
6
7
|
>>>df.groupby(by=['request_url'])['visit_times'].sum()>>>request_urlfofeasy_產(chǎn)品基本信息 20投顧挖掘 18行業(yè)數(shù)據(jù)——其他 2Name: visit_times, dtype: int64 |
dict變成dataframe
|
1
2
3
4
5
|
In [15]: dict = pd.DataFrame({'x':1, 'y':2}, index=[0])In [16]: dictOut[16]: x y0 1 2 |
iloc
|
1
2
3
4
5
6
7
|
In [69]: df1.iloc[1:5, 2:4]Out[69]: 4 62 0.301624 -2.1798614 1.462696 -1.7431616 1.314232 0.6905798 0.014871 3.357427 |
以上這篇dataframe設(shè)置兩個條件取值的實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/GeekLeee/article/details/75268762
