1 筛选出数据的指定几行数据

data=df.loc[2:5] 
#这里的[2:5]表示第3行到第5行内容，[]第一个起始是0，表示数据的第一行

2 筛选出数据某列为某值的所有数据记录

data = df[(df['列名1']== ‘列值1')]
# 多条件匹配时
data_many=df[(df['列名1']== ‘列值1')&(df['列名2']==‘列值2')]
# 多值匹配时
data_many=df[df['列名1'] in [‘值1'，‘值2'，......]]

3 模式匹配

# 开头包含某值的模式匹配
cond=df['列名'].str.startswith('值')
$ 中间包含某值的模式匹配
cond=df['列名'].str.contains('值')

4 范围区间值筛选

# 筛选出基于两个值之间的数据：
cond=df[(df['列名1']>‘列值1')&(df['列名1']<‘列值2')] 

5 获取某一行某一列的某个值

print(ridership_df.loc['05-05-11','R003'])
# 或者
print(ridership_df.iloc[4,0])
 
# 结果:
1608

6 获取原始的numpy二维数组

print(df.values)

7 根据条件得到某行元素所在的位置

import pandas as pd
 
df = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]},index=[10,20,30,40,50])
print(df)
a = df[(df.BoolCol==3)&(df.attr==22)].index.tolist()
b = df[(df.BoolCol==3)&(df.attr==22)].index[0]
c = df[(df.BoolCol==3)&(df.attr==22)].index.values
print(a)

8 元素位置筛选

print(date_frame)                # 打印完整显示的效果
print(date_frame.shape)            # 获取df的行数、列数元祖
print(date_frame.head(2))        # 前2行
print(date_frame.tail(2))        # 后2行
 
print(date_frame.index.tolist())        # 只获取df的索引列表
print(date_frame.columns.tolist())        # 只获取df的列名列表
print(date_frame.values.tolist())        # 只获取df的所有值的列表（二维列表）

9. 删除多行/多列

# 使用的前提是，dataframe的index和columns用的是数字，利用了drop（）和range()函数。
 
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
 
# axis = 0，表示删除行； axis = 1 表示删除列。
 
# 想删除多行/列，用range即可，比如要删除前3行，drop(range(0,3)，axis = 0(默认为零，可不写))即可。

10 to_datetime将字符串格式转化为日期格式

import datetime
import pandas as pd
 
dictDate = {'date': ['2019-11-01 19:30', '2019-11-30 19:00']}
df = pd.DataFrame(dictDate)
df['datetime'] = pd.to_datetime(df['date'])
df['today'] = df['datetime'].apply(lambda x: x.strftime('%Y%m%d'))
df['tomorrow'] = (df['datetime'] + datetime.timedelta(days=1)).dt.strftime('%Y%m%d')

11 apply() 函数

# pandas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数。
def add_extra(nationality, extra):
    if nationality != "汉":
        return extra
    else:
        return 0
 
df['ExtraScore'] = df.Nationality.apply(add_extra, args=(5,))
df['ExtraScore'] = df.Nationality.apply(add_extra, extra=5)
df['Extra'] = df.Nationality.apply(lambda n, extra : extra if n == '汉' else 0, args=(5,))
 
def add_extra2(nationaltiy, **kwargs):
    return kwargs[nationaltiy]
       
df['Extra'] = df.Nationality.apply(add_extra2, 汉=0, 回=10, 藏=5)

12 map() 函数

import datetime
import pandas as pd
def f(x):
    x = str(x)[:8]
    if x !='n':
        gf = datetime.datetime.strptime(x, "%Y%m%d")
        x = gf.strftime("%Y-%m-%d")
    return x
    
def f2(x):
    if str(x) not in [' ', 'nan']:
        dd = datetime.datetime.strptime(str(x), "%Y/%m/%d")
        x = dd.strftime("%Y-%m-%d")
    return x  
 
def test():
    df = pd.DataFrame()
    df1 = pd.read_csv("600694_gf.csv")
    df2=pd.read_csv("600694.csv")
    df['date1'] =df2['DateTime'].map(f2) 
    df['date2'] =df1['date'].map(f)
    df.to_csv('map.csv')

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• 怎样用python的if循环语句写菱形金字塔和九九乘法表？

  python的循环语句是很基础的内容，这篇文章主要给大家介绍python中if循环语句的使用，下面给大家分享python的if循环语句写菱形金字塔和九九乘法表代码，对新手学习和理解python的if循环语句有一定的帮助，有需要的朋友就往下看吧。

• Pandas怎么样取出单元格的值？一文带你搞懂

  Pandas是Python语言的一个扩展程序库，是用于数据分析的。一些朋友可能对Pandas有一定的了解，文本主要介绍的是关于pandas提取单元格的值的操作，以下是示例，感兴趣朋友可以参考学习。

• Pytorch搭建YoloV4怎样做，YOLOV4结构包括什么

  这篇文章主要为大家介绍了Pytorch搭建YoloV4目标检测平台实现源码，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

• Python实现随机从list挑选元素的操作是什么

  这篇文章主要介绍了如何利用Python随机从list中挑选一个元素，文章通过研究从列表中选择随机元素的不同实现方法展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下

• Pandas库中的transform函数怎样用？

  今天给大家分享的是Pandas库中的transform函数，我们知道Pandas库有很多很强大的功能，接下来来给大家介绍的transform函数就是其中之一，使用transform函数，我们可以实现高效的汇总数据且不改变数据行数，接下来我们就来详细的了解一下transform函数。