大家好~
本期给大家推荐几个pandas高效数据处理函数(持续更新),希望对你有所帮助:
df_dict = {'name':['Alice_001','Bob_002','Cindy_003','Eric_004','Helen_005','Grace_006'],'sex':['female','male','female','male','female','male'],'math':[90,89,99,78,97,93],'english':[95,94,80,94,94,90]}
#[1].直接写入参数test_dict
df = pd.DataFrame(df_dict)
#[2].字典型赋值
df = pd.DataFrame(data=df_dict)
字符拆分:
df1[['name', 'id']] = df1['name'].str.split('_', 2, expand = True)
正则表达式拆分:
df2 = df.copy()
df2['name2'] = df2['name'].str.extract('([A-Z]+[a-z]+)')
df2['id2'] = df2['name'].str.extract('(\d+)')
自定义连接符:
df1["name_id"] = df1["name"].str.cat(df1["id"],sep='_'*3)
某列合并输出:
df1["name"].str.cat(sep='*'*5)
左填充:
df1["id"] = df1["id"].str.pad(10,fillchar="*")
# 相当于ljust()
df1["id"] = df1["id"].str.rjust(10,fillchar="*")
右填充:
df1["id"] = df1["id"].str.pad(10,side="right",fillchar="*")
两侧填充:
df1["id"] = df1["id"].str.pad(10,side="both",fillchar="*")
筛选数值列:
df1.select_dtypes(include=['float64', 'int64'])
筛选object列:
df1.select_dtypes(include=['object'])
英语成绩排名:
df1['e_rank'] = df1['english'].rank(method='min',ascending=False)
94分有三个,所以三个并列第2。
以上就是本期为大家整理的全部内容了,赶快练习起来吧
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。