Pandas常用操作

DF[“列名”]=DF[“列名”].astype(‘float’)

DF.loc[lineData[“列名”] == “None”, ‘列名’] = 值

DF[“列名”] = None

for ind, row in DF.iterrows():
if row[“列名”] == u"否":
DF.at[ind, “列名”] = 1

DF[‘列名’].unique()

DF = pandas.DataFrame(Lists)
DF.columns = columnsNameList

Pandas中 DF.append() 方法效率低 应当先保存到List 再使用此方法转换为DF

DF[列名] = outdf1[列名].str[:12]

DF.groupby(列名)
DF.sum() 求和

DF.shape[0] 行
DF.shape[1] 列

DF.sort([“列1”, “列2”], ascending=True, inplace=True)

DF =DF.drop(‘列名’, 1)
或
DF.dropna(subset=[‘列名’], inplace=True)

allDf = pd.concat([DF1,DF2])

取数据为Null值
DF =DF [DF[“列名”].isnull()]

取数据为非Null值
DF =DF [~DF[“列名”].isnull()]
~取反

取数据列2为Null值 或 列1为1
DF =DF[(DF[“列1”] == ‘1’) |
(DF[“列2”].isnull()) ]

取数据列2为Null值 且 列1为1
DF =DF[(DF[“列1”] == ‘1’) &
(DF[“列2”].isnull()) ]

== isnull isin 等 会按条件获得一个Series 数据类型为逻辑型 符合条件的行的值为True 可以通过 | & ~ 逻辑运算符连接多种条件 最后通过 DF[Series ] 获取 Series 中 值为True的行

DF[列名]
DF.列名

DF.列名.value.tolist()