DataFrame踩坑整理（一）

不得不說，工作中幾乎天天跟DataFrame打交道，真的很有總結和記住的必要，話不多說，直接上乾貨。輸入以下語句前別忘記：

import pandas as pd

import numpy as np

1、讀入檔案：

df=pd。read_csv（path，names=［‘’，’’，’’］）；

#讀入檔案用names，格式轉換用columns；

2、list轉dataframe ：

df=pd。DataFrame（data，column=［‘a’， ’b’］） ；

Dataframe 轉list ：

df。values。tolist（）；

某一列資料轉list ：

list（df［‘a’］）；

3、兩個dataframe 取交集，也可用於刪除重複專案

pd。merge（df1，df2）；

#很好用，速度快。

4、兩個dataframe取並集（合併):

pd。concat（［df1，df2］）

#括號裡面一定要寫中括號。

#兩個表合併之後一定要

reset_index

，否則索引值不是按順序的。

5、DataFrame資料形式轉換 :

Df=pd。DataFrame（df，type=np。float）；

6、刪除空值 ：

df。dropna（axis=0，how=’any’，inplace=True）；

#how的取值是any或者all。

7、填補缺失值 :

df。fillna（0，inplace=True） ；

#不要忘了inplace=True，否則不會在原表上修改；

8、計算缺失值個數:

list（data［‘a’］。isnull（））。count（True）；

9、資料替換 :

df［‘a’］=df［‘a’］。replace（‘。’ ， ’0’）；

10、根據一列資料生成另一列資料（例如歸一化):

dt=df。apply（lambda x：（x-np。min（x））/（np。max（x）-np。min（x）））；

#apply+lamda這個語句還是好用的，例如給不同分值的人分等級，可以先做一個字典，直接對映到字典裡面的值。

11、篩選資料 :

df［df［‘a’］！=1］［‘a’，’b’，’c’］；

#選擇a這一列中不為1的資料；

12、資料篩選（按列) :

df。iloc［：， df。columns！=’flag’］；

13、資料篩選（按值):

A_list=［0。1，0，2，0。3］；

df［‘a’］。isin（alist）；

14、取第一行:

df。iloc

［［1］］ ；

#一定要寫兩個中括號；

15、元素定位 :

df。loc［0：3，［‘a’，’b’］］ #loc需要寫列名；

df。iloc［0：3，［0，1］］；

16、刪除某一列 :

del df［‘a’］；

17、刪除多列 :

df=df。drop

（［‘a’，’b’］，axis=1）；

18、抽樣 :

df［features］。sample（n=1000）；

#但感覺這個不太好用，可以用np。random。choice；

19、展示重複值 :

df［df。duplicated（keep=’first’）］；

#不加列名就是展示所有列；

20、刪除重複值 :

df。drop_duplicates（keep=’first’，inplace=True）；

#這一步做完也一定要reset_index；

21、資料排序 :

df。sort_values

（‘a’，ascending=True，inplace=true）；

22、插入新的一列 :

df［‘d’］=None；

#然後再用apply+lambda賦值；

23、某一列值分類計數 :

df［‘a’］。value_counts（） ；

#要畫圖的話直接在後面加。plot（kind=’bar’）；

24、求分位數 :

df［‘a’］。quantile（0。25）；

25、資料儲存成csv檔案 :

df。to_csv（‘a。csv’，header=False，index=False）；

#如果不寫後面兩個False，就會自動生成一列索引和一個表頭；

（未完待續。。。）

本文首發於：

更多內容，歡迎關注個人公眾號