pandas数据清洗,排序,索引设置,数据选取方法

df.rename(columns = {'key':'key2'},inplace=True)

isin     #计算一个“Series各值是否包含传入的值序列中”的布尔数组unique    #返回唯一值的数组value_counts   #返回一个Series，其索引为唯一值，值为频率，按计数降序排列

df.drop(labels, axis=1)# 按列（axis=1），丢弃指定label的列,默认按行。。。

# 默认axi=0（行）；1（列），how=‘any'df.dropna()#每行只要有空值，就将这行删除df.dropna(axis=1)#每列只要有空值，整列丢弃df.dropna(how='all')# 一行中全部为NaN的，才丢弃该行df.dropna(thresh=3)# 每行至少3个非空值才保留

df.fillna(0)df.fillna({1:0,2:0.5}) #对第一列nan值赋0，第二列赋值0.5df.fillna(method='ffill') #在列方向上以前一个值作为值赋给NaN

# 将df的A列中 -999 全部替换成空值df['A'].replace(-999, np.nan)#-999和1000 均替换成空值obj.replace([-999,1000], np.nan)# -999替换成空值，1000替换成0obj.replace([-999,1000], [np.nan, 0])# 同上，写法不同，更清晰obj.replace({-999:np.nan, 1000:0})

df.duplicated()#两行每列完全一样才算重复，后面重复的为True，第一个和不重复的为false，返回true    #和false组成的Series类型df.duplicated('key')#两行key这一列一样就算重复df['A'].unique()# 返回唯一值的数组（类型为array）df.drop_duplicates(['k1'])# 保留k1列中的唯一值的行，默认保留第一行df.drop_duplicates(['k1','k2'], take_last=True)# 保留 k1和k2 组合的唯一值的行，take_last=True 保留最后一行

# 默认axis=0，按行索引对行进行排序；ascending=True，升序排序df.sort_index()# 按列名对列进行排序，ascending=False 降序df.sort_index(axis=1, ascending=False) 

# 按值对Series进行排序，使用order()，默认空值会置于尾部s = pd.Series([4, 6, np.nan, 2, np.nan])s.order()df.sort_values(by=['a','b'])#按列进行排序

a=Series([7,-5,7,4,2,0,4])a.rank()#默认method='average'，升序排名（ascending=True），按行（axis=0）#average 值相等时，取排名的平均值#min 值相等时，取排名最小值#max 值相等时，取排名最大值#first值相等时，按原始数据出现顺序排名

# 返回一个新的DataFrame，更新index，原来的index会被替代消失# 如果dataframe中某个索引值不存在，会自动补上NaNdf2 = df1.reindex(['a','b','c','d','e'])# fill_valuse为原先不存在的索引补上默认值，不在是NaNdf2 = df1.reindex(['a','b','c','d','e'], fill_value=0)# inplace=Ture，在DataFrame上修改数据，而不是返回一个新的DataFramedf1.reindex(['a','b','c','d','e'], inplace=Ture)# reindex不仅可以修改 索引(行)，也可以修改列states = ["Texas","Utah","California"]df2 = df1.reindex( columns=states )

# 将columns中的其中两列：race和sex的值设置索引，race为一级，sex为二级# inplace=True 在原数据集上修改的adult.set_index(['race','sex'], inplace = True) # 默认情况下，设置成索引的列会从DataFrame中移除# drop=False将其保留下来adult.set_index(['race','sex'], inplace = True) 

df.reset_index()

df[df["A"]>7]

# 返回布尔值s.isin([1,2,3])df['A'].isin([1,2,3])df.loc[df['A'].isin([5.8,5.1])]选取列A中值为5.8，5.1的所有行组成dataframe

df.query(" A>5.0 & (B>3.5 | C<1.0) ")　

# df.loc[A,B] A是行范围，B是列范围df.loc[1:4,['petal_length','petal_width']]# 需求1：创建一个新的变量 test# 如果sepal_length > 3 test = 1 否则 test = 0df.loc[df['sepal_length'] > 6, 'test'] = 1df.loc[df['sepal_length'] <=6, 'test'] = 0# 需求2：创建一个新变量test2 # 1.petal_length>2 and petal_width>0.3 = 1 # 2.sepeal_length>6 and sepal_width>3 = 2 3.其他 = 0df['test2'] = 0df.loc[(df['petal_length']>2)&(df['petal_width']>0.3), 'test2'] = 1df.loc[(df['sepal_length']>6)&(df['sepal_width']>3), 'test2'] = 2

df.iloc[1:4,:]

df1.ix[0:3,['sepal_length','petal_width']]

alist = [1,2,3,4]map(lambda s : s+1, alist)#map就是将自定义函数应用于Series每个元素df['sepal_length'].map(lambda s:s*2+1)[0:3]

apply和applymap是对dataframe的操作，前者操作一行或者一列，后者操作每个元素These are techniques to apply function to element, column or dataframe.Map: It iterates over each element of a series. df[‘column1'].map(lambda x: 10+x), this will add 10 to each element of column1.df[‘column2'].map(lambda x: ‘AV'+x), this will concatenate “AV“ at the beginning of each element of column2 (column format is string).Apply: As the name suggests, applies a function along any axis of the DataFrame.df[[‘column1','column2']].apply(sum), it will returns the sum of all the values of column1 and column2.df0[['data1']].apply(lambda s:s+1)ApplyMap: 对dataframe的每一个元素施加一个函数func = lambda x: x+2df.applymap(func), dataframe每个元素加2 (所有列必须数字类型)

# 使用DataFrame模糊筛选数据(类似SQL中的LIKE)# 使用正则表达式进行模糊匹配,*匹配0或无限次,?匹配0或1次df_obj[df_obj['套餐'].str.contains(r'.*?语音CDMA.*')] # 下面两句效果一致df[df['商品名称'].str.contains("四件套")]df[df['商品名称'].str.contains(r".*四件套.*")]