DataFrame的各种实用操作

旧城等待， 2022-12-25 13:52 70阅读 0赞

**目录**

1.列表转dataframe

2.删除的两种操作,删除NaN的列或行

3.Insert操作

4.Dataframe数据排序问题

5.去重：去除重复数据(keep有first、last、False值可选)

6.函数操作：apply

7.loc与iloc

--------------------

**摘要：强大的pandas库，函数功能繁多，其中的Dataframe更是有百般神通，基本能满足数据处理的绝大部分要求，值得一学。总结一下的Dataframe的插入、删除重复数据等功能 。**

**基础创建dataframe**

import pandas as pd 
    df = pd.DataFrame([
                        [1, 2,'河南','郑州','豫'],
                        [4, 5,'河北','石家庄','冀'], 
                        [7, 8,'黑龙江省','哈尔滨','黑'],
                        [9, 10,'甘肃省','兰州','甘/陇'],
                        [11,12,'云南省','云/滇','昆明']
                      ],
                      columns =['col1', 'col2','省份','省会','简称'],
                      index =['A','B','C','D','E']
                     )

### ![8cdb59ca430b148b89a8762b1e287c06.png][] ###

### **1.列表转dataframe** ###

**①.不同的列表a=\[1,2,3,4 \], b = \[5,6,7,8\]转dataframe**

import pandas as pd
    
    a=[1,2,3,4] #列表a
    b=[5,6,7,8] #列表b
    
    # 转换成dict， key：list
    c = {"a": a, "b":b}
    
    data = pd.DataFrame(c)
    print(data)

运行结果：

a  b
    0  1  5
    1  2  6
    2  3  7
    3  4  8

**②.内嵌数组 a = \[\[1,2,3,4\], \[5,6,7,8\]\], 转dataframe, 并修改列名**

from pandas import DataFrame
     
    a=[[1,2,3,4],[5,6,7,8]]#包含两个不同的子列表[1,2,3,4]和[5,6,7,8]
     
    data=DataFrame(a) #这时候是以行为标准写入的
    print(data)
    
    # 修改列名
    data.columns = ['a', 'b', 'c', 'd'] 
    # data.columns = ['a':0, 'b':1, 'c':2, 'd':3] 
    print(data)

运行结果：

# data
       0  1  2  3
    0  1  2  3  4
    1  5  6  7  8
    #修改列名后
       a  b  c  d
    0  1  2  3  4
    1  5  6  7  8

### **2.删除的两种操作,删除NaN的列或行** ###

**删除第c行：**

# 设置参数axis=0. 参数axis为0表示在0轴（列）上搜索名字为c的对象
    data.drop('c',axis=0)

**删除cols = a, b列：**

# 用drop函数设置参数axis=1. 参数axis为1表示在1轴（行）上搜索名字为col2的对象，然后删除
    data.drop('a',axis=1)
    #或者
    data.drop(['a','b'],axis=1)

**删除NaN的列或行**

# axis=0，表示行 axis=1,表示列
    df.dropna(axis=0,how='all') # 删除表中全部为NaN的行
    
    df.dropna(axis=0,how='any') #删除表中含有任何NaN的行
    
    df.dropna(subset=['name', 'born']) # 删除表中'a','b'列中含NaN的行
    df.dropna(thresh=2)  # 删除每行至少含2个以上的NaN的行

### 3.Insert操作 ###

data.insert(0, 'new_col', [6,6])

**输出**

new_col a  b  c  d
    0     6    1  2  3  4
    1     6    5  6  7  8

### 4.Dataframe数据排序问题 ###

# 按cols=a的列的值升序排列
    data.sort_index(by = 'a',axis = 0,ascending = True) #按多列排序 by=['a','b','c']
    
    Out[65]: 
       a  b  c  d
    0  1  2  3  4
    1  5  6  7  8

### 5.去重：去除重复数据(keep有first、last、False值可选) ###

# 去除重复行数据 keep:'first':保留重复行的第一行，'last':保留重复行的最后一行,False：删除所有重复行
    df = df.drop_duplicates(
    　　subset=['a','b','c'], # 去重列，按这些列进行去重
    　　keep='first' )# 保存第一条重复数据

### 6.函数操作：apply ###

# apply在series或者list上的应用：
    data['a'].apply(lambda x:x-10)
    
    out:
       a  b  c  d
    0  -9  2  3  4
    1  -5  6  7  8

### 7.loc与iloc ###

> 简单总结一下：
> 
> iloc，即**index locate** 用**index索引**进行定位，所以**参数是整型**，如：df.iloc\[10:20, 3:5\]  
> loc，则可以使用**column名（列名）**和**index名（序列名）**进行定位，如：  
> df.loc\[‘image1’:‘image10’, ‘age’:‘score’\]

[8cdb59ca430b148b89a8762b1e287c06.png]: /images/20221120/95dc1360e07f42fb810205f8420bf0c9.png