pandas的常用API

• 加载数据

  df = pd.DataFrame(data)
  

• 重命名列

  df.rename(columns={
      'a': 'new_a',
      'b': 'new_b',
      'c': 'new_c',
  }, inplace = True)
  

• merge数据

  merged_df = pd.DataFrame([{ 'id: '1', 'd': 'd_value' }])
  df = pd.merge(df, merged_df, on=['id'], how='left')
  

• 合并两个DataFrame

  df1 = pd.DataFrame(data1)
  df = pd.concat([df, df1], ignore_index=True)
  

• 重新排列列

  df = df[['id', 'a', 'b', 'c', 'd']]
  

• 添加行

  new_row = pd.Series({
      'id': '32',
      'a': 'a_value',
      'b': 'b_value',
      'c': 'c_value',
      'd': 'd_value',
  })
  df.loc[len(df)] = new_row

• 添加列

  df['e'] = ['e1_value', 'e2_value', 'e3_value']
  

• 用apply添加列

  def apply_callback(row):
      """为每个列添加新属性"""
      row['f'] = row['e'] + row['c']
      return row
  
  df = df.apply(apply_callback, axis=1)
  

• 根据条件计算/添加列

  import pandas as pd
  import numpy as np
  
  raw_data = [
      { 'a': 1, 'b': 3, 'c': 4 },
      { 'a': 2, 'b': None, 'c': 5 },
      { 'a': 3, 'b': 8, 'c': None },
      { 'a': 4, 'b': None, 'c': 7 },
  ]
  df = pd.DataFrame(raw_data)
  
  
  def add(a, b, c):
      return np.where(a.isna() | b.isna() | c.isna(), '算不出来', a + b + c)
  
  
  df['sum'] = add(df.a, df.b, df.c)
  print(df)
  

• 替换值

  df.replace([np.inf, -np.inf], np.nan, inplace=True) # 删除inf
  

• 删除列

  df = df.drop(columns=['e', 'c'])
  

• 删除指定条件的行

  # 这个位置不能用is True, and这种方式
  con = df['a'] == 13
  # 或
  con = df.a == 13
  # 或
  con = df.a.isna() | df.b.empty
  df = df.drop(df[con].index, axis=0)
  

• 更新数据

  con = df['id'] == '14'
  df.loc[con, 'a'] = 95
  

• 指定的index插入数据

  insert_value_index = 2
  insert_value_df = pd.DataFrame(value, index=[insert_value_index])
  df = pd.concat([df.loc[:insert_value_index],
                  insert_value_df,
                  df.loc[insert_value_index + 1:]],
                 ignore_index=True)
  

• 使用符号

  import pandas as pd
  
  raw_data = [
      { 'a': 1, 'b': 1 },
      { 'a': 1, 'b': 0 },
      { 'a': 0 },
  ]
  
  df = pd.DataFrame(raw_data)
  df['OR'] = (df.a < 1) | (df.b < 1)
  df['AND'] = (df.a < 1) & (df.b < 1)
  df['NOT'] = ~(df.a < 1)
  print(df)
  

• 排序

  # 高 -> 低
  sort1_df = df.sort_values(['a'], ascending=False)
  # 低 -> 高
  sort2_df = df.sort_values(['b'])