Pandas常用技能概括

df = pd.DataFrame({'a':[1,2,3,4], 'b':['s1', 'exp_s2', 's3','exps4'], 'c':[5,6,7,8], 'd':[3,2,5,10]}) 

df[df['b'].str.contains('exp')] 

5.组内排序

df = pd.DataFrame([['A',1],['A',3],['A',2],['B',5],['B',9]], columns = ['name','score']) 

df 

介绍两种高效地组内排序的方法。

df.sort_values(['name','score'], ascending = [True,False]) 

df.groupby('name').apply(lambda x: x.sort_values('score', ascending=False)).reset_index(drop=True) 

6.选择特定类型的列

drinks = pd.read_csv('data/drinks.csv') 

# 选择所有数值型的列 

drinks.select_dtypes(include=['number']).head() 

# 选择所有字符型的列 

drinks.select_dtypes(include=['object']).head() 

drinks.select_dtypes(include=['number','object','category','datetime']).head() 

# 用 exclude 关键字排除指定的数据类型 

drinks.select_dtypes(exclude=['number']).head() 

7.字符串转换为数值

df = pd.DataFrame({'列1':['1.1','2.2','3.3'], 

                  '列2':['4.4','5.5','6.6'], 

                  '列3':['7.7','8.8','-']}) 

df 

df.astype({'列1':'float','列2':'float'}).dtypes 

用这种方式转换第三列会出错，因为这列里包含一个代表 0 的下划线，pandas 无法自动判断这个下划线。 为了解决这个问题，可以使用 to_numeric() 函数来处理第三列，让 pandas 把任意无效输入转为 NaN。

df = df.apply(pd.to_numeric, errors='coerce').fillna(0) 

df 

8.优化 DataFrame 对内存的占用

方法一：只读取切实所需的列，使用usecols参数

cols = ['beer_servings','continent'] 

small_drinks = pd.read_csv('data/drinks.csv', usecols=cols) 

方法二：把包含类别型数据的 object 列转换为 Category 数据类型，通过指定 dtype 参数实现。

dtypes ={'continent':'category'} 

smaller_drinks = pd.read_csv('data/drinks.csv',usecols=cols, dtype=dtypes) 

9.根据最大的类别筛选 DataFrame

movies = pd.read_csv('data/imdb_1000.csv') 

counts = movies.genre.value_counts() 

movies[movies.genre.isin(counts.nlargest(3).index)].head() 

（编辑：南平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!