Pandas50个高级操作，必读！

# Q1成绩大于36df.Q1> 36# Q1成绩不小于60分，并且是C组成员~(df.Q1< 60) & (df['team'] == 'C')

df[df['Q1']== 8] # Q1等于8df[~(df['Q1']== 8)] # 不等于8df[df.name== 'Ben'] # 姓名为Bendf[df.Q1> df.Q2]

# 表达式与切片一致df.loc[df['Q1']> 90, 'Q1':] # Q1大于90，只显示Q1df.loc[(df.Q1> 80) & (df.Q2 < 15)] # and关系df.loc[(df.Q1> 90) | (df.Q2 < 90)] # or关系df.loc[df['Q1']== 8] # 等于8df.loc[df.Q1== 8] # 等于8df.loc[df['Q1']> 90, 'Q1':] # Q1大于90，显示Q1及其后所有列

# 查询最大索引的值df.Q1[lambdas: max(s.index)] # 值为21# 计算最大值max(df.Q1.index)# 99df.Q1[df.index==99]

# 以下相当于 df[df.Q1 == 60]df[df.Q1.eq(60)]df.ne() # 不等于 !=df.le() # 小于等于 <=df.lt() # 小于 <df.ge() # 大于等于 >=df.gt() # 大于 >

df.query('Q1 > Q2 > 90') # 直接写类型SQL where语句

# 支持传入变量，如大于平均分40分的a = df.Q1.mean()df.query('Q1 > @a+40')df.query('Q1 > `Q2`+@a')

# df.eval()用法与df.query类似df[df.eval("Q1 > 90 > Q3 >10")]
df[df.eval("Q1 > `Q2`+@a")]

df.filter(items=['Q1', 'Q2']) # 选择两列df.filter(regex='Q', axis=1) # 列名包含Q的列df.filter(regex='e$', axis=1) # 以e结尾的列df.filter(regex='1$', axis=0) # 正则，索引名以1结尾df.filter(like='2', axis=0) # 索引中有2的# 索引中以2开头、列名有Q的
df.filter(regex='^2',axis=0).filter(like='Q', axis=1)

df.select_dtypes(include=['float64']) # 选择float64型数据df.select_dtypes(include='bool')df.select_dtypes(include=['number']) # 只取数字型df.select_dtypes(exclude=['int']) # 排除int类型df.select_dtypes(exclude=['datetime64'])

# 对所有字段指定统一类型df = pd.DataFrame(data, dtype='float32')# 对每个字段分别指定df = pd.read_excel(data, dtype={'team':'string', 'Q1': 'int32'})

# 自动转换合适的数据类型df.infer_objects() # 推断后的DataFramedf.infer_objects().dtypes

# 按大体类型推定m = ['1', 2, 3]s = pd.to_numeric(s) # 转成数字pd.to_datetime(m) # 转成时间pd.to_timedelta(m) # 转成时间差pd.to_datetime(m, errors='coerce') # 错误处理pd.to_numeric(m, errors='ignore')pd.to_numeric(m errors='coerce').fillna(0) # 兜底填充pd.to_datetime(df[['year', 'month', 'day']])# 组合成日期

df.Q1.astype('int32').dtypes# dtype('int32')df.astype({'Q1': 'int32','Q2':'int32'}).dtypes

t = pd.Series(['20200801', '20200802'])

s.sort_index() # 升序排列df.sort_index() # df也是按索引进行排序df.team.sort_index()s.sort_index(ascending=False)# 降序排列s.sort_index(inplace=True) # 排序后生效，改变原数据# 索引重新0-(n-1)排，很有用，可以得到它的排序号s.sort_index(ignore_index=True)s.sort_index(na_position='first') # 空值在前，另'last'表示空值在后s.sort_index(level=1) # 如果多层，排一级s.sort_index(level=1, sort_remaining=False) #这层不排# 行索引排序，表头排序
df.sort_index(axis=1) # 会把列按列名顺序排列

df.Q1.sort_values()df.sort_values('Q4')df.sort_values(by=['team', 'name'],ascending=[True, False])

s.sort_values(ascending=False) # 降序s.sort_values(inplace=True) # 修改生效s.sort_values(na_position='first') # 空值在前# df按指定字段排列df.sort_values(by=['team'])df.sort_values('Q1')# 按多个字段，先排team，在同team内再看Q1df.sort_values(by=['team', 'Q1'])# 全降序df.sort_values(by=['team', 'Q1'], ascending=False)# 对应指定team升Q1降df.sort_values(by=['team', 'Q1'],ascending=[True, False])# 索引重新0-(n-1)排df.sort_values('team', ignore_index=True)

df.set_index('name', inplace=True) # 设置name为索引df.index.names = ['s_name'] # 给索引起名df.sort_values(by=['s_name', 'team']) # 排序

s.nsmallest(3) # 最小的3个s.nlargest(3) # 最大的3个# 指定列df.nlargest(3, 'Q1')df.nlargest(5, ['Q1', 'Q2'])df.nsmallest(5, ['Q1', 'Q2'])

df.iloc[0,0] # 查询值# 'Liver'df.iloc[0,0] = 'Lily' # 修改值df.iloc[0,0] # 查看结果# 'Lily'
# 将小于60分的成绩修改为60df[df.Q1 < 60] = 60# 查看df.Q1
# 生成一个长度为100的列表v = [1, 3, 5, 7, 9] * 20

s.replace(0, 5) # 将列数据中的0换为5df.replace(0, 5) # 将数据中的所有0换为5df.replace([0, 1, 2, 3], 4) # 将0～3全换成4df.replace([0, 1, 2, 3], [4, 3, 2, 1]) # 对应修改s.replace([1, 2], method='bfill') # 向下填充df.replace({0: 10, 1: 100}) # 字典对应修改df.replace({'Q1': 0, 'Q2': 5}, 100) # 将指定字段的指定值修改为100df.replace({'Q1': {0: 100, 4: 400}}) # 将指定列里的指定值替换为另一个指定的值

df.fillna(0) # 将空值全修改为0# {'backfill', 'bfill', 'pad', 'ffill',None}, 默认为Nonedf.fillna(method='ffill') # 将空值都修改为其前一个值values = {'A': 0, 'B': 1, 'C': 2, 'D': 3}df.fillna(value=values) # 为各列填充不同的值df.fillna(value=values, limit=1) # 只替换第一个

df.rename(columns={'team':'class'})

df.rename(columns={"Q1":"a", "Q2": "b"}) # 对表头进行修改df.rename(index={0: "x", 1:"y", 2: "z"}) # 对索引进行修改df.rename(index=str) # 对类型进行修改df.rename(str.lower, axis='columns') # 传索引类型df.rename({1: 2, 2: 4}, axis='index')
# 对索引名进行修改s.rename_axis("animal")df.rename_axis("animal") # 默认是列索引df.rename_axis("limbs",axis="columns") # 指定行索引
# 索引为多层索引时可以将type修改为classdf.rename_axis(index={'type': 'class'})
# 可以用set_axis进行设置修改s.set_axis(['a', 'b', 'c'], axis=0)df.set_axis(['I', 'II'], axis='columns')df.set_axis(['i', 'ii'], axis='columns',inplace=True)

df['foo'] = 100 # 增加一列foo，所有值都是100df['foo'] = df.Q1 + df.Q2 # 新列为两列相加df['foo'] = df['Q1'] + df['Q2'] # 同上# 把所有为数字的值加起来df['total'] =df.select_dtypes(include=['int']).sum(1)df['total'] =df.loc[:,'Q1':'Q4'].apply(lambda x: sum(x), axis='columns')df.loc[:, 'Q10'] = '我是新来的' # 也可以# 增加一列并赋值，不满足条件的为NaNdf.loc[df.num >= 60, '成绩'] = '合格'df.loc[df.num < 60, '成绩'] = '不合格'

# 在第三列的位置上插入新列total列，值为每行的总成绩df.insert(2, 'total', df.sum(1))

# 增加total列df.assign(total=df.sum(1))# 增加两列df.assign(total=df.sum(1), Q=100)df.assign(total=df.sum(1)).assign(Q=100)其他使用示例：df.assign(Q5=[100]*100) # 新增加一列Q5df = df.assign(Q5=[100]*100) # 赋值生效df.assign(Q6=df.Q2/df.Q1) # 计算并增加Q6df.assign(Q7=lambda d: d.Q1 * 9 / 5 + 32) # 使用lambda# 添加一列，值为表达式结果：True或Falsedf.assign(tag=df.Q1>df.Q2)# 比较计算，True为1，False为0df.assign(tag=(df.Q1>df.Q2).astype(int))# 映射文案df.assign(tag=(df.Q1>60).map({True:'及格',False:'不及格'}))# 增加多个df.assign(Q8=lambda d: d.Q1*5,          Q9=lambda d: d.Q8+1) # Q8没有生效，不能直接用df.Q8

# 传入求总分表达式df.eval('total = Q1+Q3+Q3+Q4')

df['C1'] = df.eval('Q2 + Q3')df.eval('C2 = Q2 + Q3') # 计算a = df.Q1.mean()df.eval("C3 =`Q3`+@a") # 使用变量df.eval("C3 = Q2 > (`Q3`+@a)") #加一个布尔值df.eval('C4 = name + team', inplace=True) # 立即生效

# 新增索引为100的数据df.loc[100] = ['tom', 'A', 88, 88, 88, 88]

df.loc[101]={'Q1':88,'Q2':99} # 指定列，无数据列值为NaNdf.loc[df.shape[0]+1] = {'Q1':88,'Q2':99} # 自动增加索引df.loc[len(df)+1] = {'Q1':88,'Q2':99}# 批量操作，可以使用迭代rows = [[1,2],[3,4],[5,6]]for row in rows:    df.loc[len(df)] = row

df = pd.DataFrame([[1, 2], [3, 4]],columns=list('AB'))df2 = pd.DataFrame([[5, 6], [7, 8]],columns=list('AB'))
df.append(df2)

# 删除索引为3的数据s.pop(3)# 93ss

df.dropna() # 一行中有一个缺失值就删除df.dropna(axis='columns') # 只保留全有值的列df.dropna(how='all') # 行或列全没值才删除df.dropna(thresh=2) # 至少有两个空值时才删除df.dropna(inplace=True) # 删除并使替换生效

# 数值大于70df.where(df > 70)

# 小于60分为不及格np.where(df>=60, '合格', '不合格')

# 符合条件的为NaNdf.mask(s > 80)

# 行列相同数量，返回一个arraydf.lookup([1,3,4], ['Q1','Q2','Q3']) # array([36, 96, 61])df.lookup([1], ['Q1']) # array([36])

# 迭代指定的列for i in df.name:      print(i)# 迭代索引和指定的两列for i,n,q in zip(df.index, df.name,df.Q1):print(i, n, q)

# 迭代，使用name、Q1数据for index, row in df.iterrows():print(index, row['name'], row.Q1)

for row in df.itertuples():print(row)

# Series取前三个for label, ser in df.items():    print(label)print(ser[:3], end='\n\n')

# 直接对DataFrame迭代for column in df:print(column)

# 对df多重应用多个函数f(g(h(df), arg1=a), arg2=b, arg3=c)# 用pipe可以把它们连接起来(df.pipe(h)    .pipe(g, arg1=a)    .pipe(f, arg2=b, arg3=c)
)

# 将name全部变为小写df.name.apply(lambda x: x.lower())

# 计算数据的长度def mylen(x):    return len(str(x))df.applymap(lambda x:mylen(x)) # 应用函数df.applymap(mylen) # 效果同上

df.team.map({'A':'一班', 'B':'二班','C':'三班', 'D':'四班',})# 枚举替换df['name'].map(f)

# 每列的最大值df.agg('max')# 将所有列聚合产生sum和min两行df.agg(['sum', 'min'])# 序列多个聚合df.agg({'Q1' : ['sum', 'min'], 'Q2' : ['min','max']})# 分组后聚合df.groupby('team').agg('max')df.Q1.agg(['sum', 'mean'])

df.transform(lambda x: x*2) # 应用匿名函数df.transform([np.sqrt, np.exp]) # 调用多个函数

s = pd.Series([1, 2], index=["a","b"])s_1 = ss_copy = s.copy()s_1 is s # Trues_copy is s # False