数据规整-白红宇

数据规整

阅读量：4332 次

发布时间：2019-06-06

本文共 2164 字，大约阅读时间需要 7 分钟。

1.丢弃指定轴上的数据

data=pd.DataFrame(np.arange(16).reshape(4,4),index=['Shenzhen','Guangzhou','Beijing','Shanghai'],columns=['one','two','three','four'])data

	one	two	three	four
Shenzhen	0	1	2	3
Guangzhou	4	5	6	7
Beijing	8	9	10	11
Shanghai	12	13	14	15

data.drop(['Shenzhen','Guangzhou'])

	one	two	three	four
Beijing	8	9	10	11
Shanghai	12	13	14	15

data.drop(['two'],axis=1)

删除第二列

2.函数映射

　　Numpy的也可以用于操作pandas对象。

　　例如：np.fabs(frame)

　　DataFrame.apply

　　　　DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)

　　　　Apply a function along an axis of the DataFrame.

　　DataFrame.applymap

　　　　DataFrame.applymap(func)

　　Series.map

　　　　Series.map(arg, na_action=None)

　　　　Map values of Series using input correspondence (a dict, Series, or function).

def f1(s):    x=s.max()-s.min()    return xf = lambda x : x.max()-x.min()frame.apply(f1)#列方向

one      3.168231two      3.324250three    2.111743dtype: float64

f = lambda x: '%.2f' %xframe.applymap(f)

	one	two	three
Shenzhen	1.55	-2.59	-1.21
Guangzhou	0.42	-0.16	0.17
Shanghai	-1.62	0.73	-0.87
Beijing	0.33	0.00	0.90

3.排序

　　sort_index / sort_value

4.数据合并

　　pandas.merge

　　　　DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=　　('_x', '_y'), copy=True, indic　　　　　　ator=False, validate=None)

　　　　Merge DataFrame objects by performing a database-style join operation by columns or indexes.

　　　　类似数据库表连接，左连、右连、内联、外联

　　　　例子：

df1 = pd.DataFrame({
   'key1':['foo','bar','baz','foo'],'data1':list(np.arange(1,5))})df2 = pd.DataFrame({
   'key2':['foo','bar','qux','bar'],'data2':list(np.arange(5,9))})print(df1)print(df2)

key1  data10  foo      11  bar      22  baz      33  foo      4  key2  data20  foo      51  bar      62  qux      73  bar      8

df1.merge(df2, left_on='key1', right_on='key2', how='right')#参数how代表连接方式，有'inner'、'left'、‘right’、‘outer’

	key1	data1	key2	data2
0	foo	1.0	foo	5
1	foo	4.0	foo	5
2	bar	2.0	bar	6
3	bar	2.0	bar	8
4	NaN	NaN	qux	7

　　pandas.concat

　　pandas.combine_first

5.数据重塑

　　DataFrame.stack/unstack

转载于:https://www.cnblogs.com/yitiaodahe/p/9267813.html

你可能感兴趣的文章

程序员最想得到的十大证件，你最想得到哪个？