Pandas 数据框增、删、改、查、去重、抽样 Pandas 数据框增、删、改、查、去重、抽样基本操作方法
Claroja 人气:0总括
pandas的索引函数主要有三种:
loc 标签索引,行和列的名称
iloc 整型索引(绝对位置索引),绝对意义上的几行几列,起始索引为0
ix 是 iloc 和 loc的合体
at是loc的快捷方式
iat是iloc的快捷方式
建立测试数据集:
import pandas as pd df = pd.DataFrame({'a': [1, 2, 3], 'b': ['a', 'b', 'c'],'c': ["A","B","C"]}) print(df) a b c 0 1 a A 1 2 b B 2 3 c C
行操作
选择某一行
print(df.loc[1,:]) a 2 b b c B Name: 1, dtype: object
选择多行
print(df.loc[1:2,:])#选择1:2行,slice为1 a b c 1 2 b B 2 3 c C print(df.loc[::-1,:])#选择所有行,slice为-1,所以为倒序 a b c 2 3 c C 1 2 b B 0 1 a A print(df.loc[0:2:2,:])#选择0至2行,slice为2,等同于print(df.loc[0:2:2,:])因为只有3行 a b c 0 1 a A 2 3 c C
条件筛选
普通条件筛选
print(df.loc[:,"a"]>2)#原理是首先做了一个判断,然后再筛选 0 False 1 False 2 True Name: a, dtype: bool print(df.loc[df.loc[:,"a"]>2,:]) a b c 2 3 c C
另外条件筛选还可以集逻辑运算符 | for or, & for and, and ~for not
In [129]: s = pd.Series(range(-3, 4)) In [132]: s[(s < -1) | (s > 0.5)] Out[132]: 0 -3 1 -2 4 1 5 2 6 3 dtype: int64
isin
非索引列使用isin
In [141]: s = pd.Series(np.arange(5), index=np.arange(5)[::-1], dtype='int64') In [143]: s.isin([2, 4, 6]) Out[143]: 4 False 3 False 2 True 1 False 0 True dtype: bool In [144]: s[s.isin([2, 4, 6])] Out[144]: 2 2 0 4 dtype: int64
索引列使用isin
In [145]: s[s.index.isin([2, 4, 6])] Out[145]: 4 0 2 2 dtype: int64 # compare it to the following In [146]: s[[2, 4, 6]] Out[146]: 2 2.0 4 0.0 6 NaN dtype: float64
结合any()/all()在多列索引时
In [151]: df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': ['a', 'b', 'f', 'n'], .....: 'ids2': ['a', 'n', 'c', 'n']}) .....: In [156]: values = {'ids': ['a', 'b'], 'ids2': ['a', 'c'], 'vals': [1, 3]} In [157]: row_mask = df.isin(values).all(1) In [158]: df[row_mask] Out[158]: ids ids2 vals 0 a a 1
where()
In [1]: dates = pd.date_range('1/1/2000', periods=8) In [2]: df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D']) In [3]: df Out[3]: A B C D 2000-01-01 0.469112 -0.282863 -1.509059 -1.135632 2000-01-02 1.212112 -0.173215 0.119209 -1.044236 2000-01-03 -0.861849 -2.104569 -0.494929 1.071804 2000-01-04 0.721555 -0.706771 -1.039575 0.271860 2000-01-05 -0.424972 0.567020 0.276232 -1.087401 2000-01-06 -0.673690 0.113648 -1.478427 0.524988 2000-01-07 0.404705 0.577046 -1.715002 -1.039268 2000-01-08 -0.370647 -1.157892 -1.344312 0.844885 In [162]: df.where(df < 0, -df) Out[162]: A B C D 2000-01-01 -2.104139 -1.309525 -0.485855 -0.245166 2000-01-02 -0.352480 -0.390389 -1.192319 -1.655824 2000-01-03 -0.864883 -0.299674 -0.227870 -0.281059 2000-01-04 -0.846958 -1.222082 -0.600705 -1.233203 2000-01-05 -0.669692 -0.605656 -1.169184 -0.342416 2000-01-06 -0.868584 -0.948458 -2.297780 -0.684718 2000-01-07 -2.670153 -0.114722 -0.168904 -0.048048 2000-01-08 -0.801196 -1.392071 -0.048788 -0.808838
DataFrame.where() differs from numpy.where()的区别
In [172]: df.where(df < 0, -df) == np.where(df < 0, df, -df)
当series对象使用where()时,则返回一个序列
In [141]: s = pd.Series(np.arange(5), index=np.arange(5)[::-1], dtype='int64') In [159]: s[s > 0] Out[159]: 3 1 2 2 1 3 0 4 dtype: int64 In [160]: s.where(s > 0) Out[160]: 4 NaN 3 1.0 2 2.0 1 3.0 0 4.0 dtype: float64
抽样筛选
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
当在有权重筛选时,未赋值的列权重为0,如果权重和不为1,则将会将每个权重除以总和。random_state可以设置抽样的种子(seed)。axis可是设置列随机抽样。
In [105]: df2 = pd.DataFrame({'col1':[9,8,7,6], 'weight_column':[0.5, 0.4, 0.1, 0]}) In [106]: df2.sample(n = 3, weights = 'weight_column') Out[106]: col1 weight_column 1 8 0.4 0 9 0.5 2 7 0.1
增加行
df.loc[3,:]=4 a b c 0 1.0 a A 1 2.0 b B 2 3.0 c C 3 4.0 4 4
插入行
pandas里并没有直接指定索引的插入行的方法,所以要自己设置
line = pd.DataFrame({df.columns[0]:"--",df.columns[1]:"--",df.columns[2]:"--"},index=[1]) df = pd.concat([df.loc[:0],line,df.loc[1:]]).reset_index(drop=True)#df.loc[:0]这里不能写成df.loc[0],因为df.loc[0]返回的是series a b c 0 1.0 a A 1 -- -- -- 2 2.0 b B 3 3.0 c C 4 4.0 4 4
交换行
df.loc[[1,2],:]=df.loc[[2,1],:].values a b c 0 1 a A 1 3 c C 2 2 b B
删除行
df.drop(0,axis=0,inplace=True) print(df) a b c 1 2 b B 2 3 c C
注意
在以时间作为索引的数据框中,索引是以整形的方式来的。
In [39]: dfl = pd.DataFrame(np.random.randn(5,4), columns=list('ABCD'), index=pd.date_range('20130101',periods=5)) In [40]: dfl Out[40]: A B C D 2013-01-01 1.075770 -0.109050 1.643563 -1.469388 2013-01-02 0.357021 -0.674600 -1.776904 -0.968914 2013-01-03 -1.294524 0.413738 0.276662 -0.472035 2013-01-04 -0.013960 -0.362543 -0.006154 -0.923061 2013-01-05 0.895717 0.805244 -1.206412 2.565646 In [41]: dfl.loc['20130102':'20130104'] Out[41]: A B C D 2013-01-02 0.357021 -0.674600 -1.776904 -0.968914 2013-01-03 -1.294524 0.413738 0.276662 -0.472035 2013-01-04 -0.013960 -0.362543 -0.006154 -0.923061
列操作
选择某一列
print(df.loc[:,"a"]) 0 1 1 2 2 3 Name: a, dtype: int64
选择多列
print(df.loc[:,"a":"b"]) a b 0 1 a 1 2 b 2 3 c
增加列,如果对已有的列,则是赋值
df.loc[:,"d"]=4 a b c d 0 1 a A 4 1 2 b B 4 2 3 c C 4
交换两列的值
df.loc[:,['b', 'a']] = df.loc[:,['a', 'b']].values print(df) a b c 0 a 1 A 1 b 2 B 2 c 3 C
删除列
1)直接del DF[‘column-name']
2)采用drop方法,有下面三种等价的表达式:
DF= DF.drop(‘column_name', 1);
DF.drop(‘column_name',axis=1, inplace=True)
DF.drop([DF.columns[[0,1,]]], axis=1,inplace=True)
df.drop("a",axis=1,inplace=True) print(df) b c 0 a A 1 b B 2 c C
还有一些其他的功能:
切片df.loc[::,::]
选择随机抽样df.sample()
去重.duplicated()
查询.lookup
以上这篇Pandas 数据框增、删、改、查、去重、抽样基本操作方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
加载全部内容