dataframe設(shè)置兩個(gè)條件取值的實(shí)例
如下所示:
>>> import pandas as pd >>> import numpy as np >>> from pandas import Series, DataFrame >>> df = DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]}) >>> df classes name price 0 1 a 11 1 2 a 22 2 3 b 33 3 4 b 44 >>>
根據(jù)index和columns取值
>>> s = df.loc[0,'price'] >>> s 11
根據(jù)同行的columns的值取同行的另一個(gè)columns的值
>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'] >>> sex 0 11 Name: price, dtype: int64 >>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'].values[0] >>> sex 11
根據(jù)條件同時(shí)取得多個(gè)值
>>> name,price = df.loc[df.classes==1,('name','price')].values[0] >>> name 'a' >>> price 11 >>>
對(duì)一列賦值
>>> df.loc[: , 'price']=0 >>> df classes name price 0 1 a 0 1 2 a 0 2 3 b 0 3 4 b 0 >>>
對(duì)df的一個(gè)列進(jìn)行函數(shù)運(yùn)算
【1】 >>> df['name'] = df['name'].apply(lambda x: x.upper()) >>> df classes name price 0 1 A 11 1 2 A 22 2 3 B 33 3 4 B 44 【2】 >>> df.loc[:, 'name'] = df['name'].apply(lambda x: x.upper()) >>> df classes name price 0 1 A 11 1 2 A 22 2 3 B 33 3 4 B 44 >>>
對(duì)df的幾個(gè)列進(jìn)行函數(shù)運(yùn)算
【1】 >>> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x)) >>> print(type(df.loc[0, "classes"])) <class 'str'> >>> print(df.loc[0, "classes"]) 1 【2】 >>> df.loc[:, ['classes','price']] = df[['classes', 'price']].applymap(lambda x: int(x)) >>> print(type(df.loc[0, "classes"])) <class 'int'> >>> print(df.loc[0, "classes"]) 1 >>>
對(duì)兩個(gè)列進(jìn)行去重
>>> df classes name price 0 1 a 11 1 1 a 22 2 3 b 33 3 4 b 44 >>> df.drop_duplicates(subset=['classes', 'name'], inplace=True) >>> df classes name price 0 1 a 11 2 3 b 33 3 4 b 44
多個(gè)條件分割字符串
>>> fund_memeber = '趙四、 王五' >>> fund_manager_list = re.split('[;, 、]', fund_memeber) >>> fund_manager_list ['趙四', '', '王五'] #DataFrame構(gòu)造器 >>> df = DataFrame({'x':[1],'y':[2]}) >>> df x y 0 1 2 >>>
刪除某列值為特定值得那一行
>>> df = DataFrame({'name':['a','b','c','d'],'classes':[1,2,3,4],'price':[11,22,33,44]}) >>> df classes name price 0 1 a 11 1 2 b 22 2 3 c 33 3 4 d 44 【方法一】 >>> df = df.loc[df['name']!='a'] >>> df classes name price 1 2 b 22 2 3 c 33 3 4 d 44 >>> 【方法二】 df.drop(df[df.name=='a'].index,axis=0) #篩選df的每列值包含某個(gè)字段‘/a' >>> import pandas as pd >>> df = pd.DataFrame({'a':['A', 'B'], 'b': ['AA', 'BB']}) >>> df a b 0 A AA 1 B BB >>> df[df['a'].str.contains(r'A')] a b 0 A AA >>> df = pd.DataFrame({'a':['/api/', 'B'], 'b': ['AA', 'BB']}) >>> df a b 0 /api/ AA 1 B BB >>> df[df['a'].str.contains(r'/api/')] a b 0 /api/ AA >>>
把列變成index和把index變成列
df request_url visit_times 9 fofeasy_產(chǎn)品基本信息 7 8 投顧挖掘 6 5 投顧挖掘 5 6 投顧挖掘 5 7 fofeasy_產(chǎn)品基本信息 5 3 fofeasy_產(chǎn)品基本信息 4 4 fofeasy_產(chǎn)品基本信息 4 2 投顧挖掘 2 0 行業(yè)數(shù)據(jù)——其他 1 1 行業(yè)數(shù)據(jù)——其他 1 x = df.set_index('request_url') x visit_times request_url fofeasy_產(chǎn)品基本信息 7 投顧挖掘 6 投顧挖掘 5 投顧挖掘 5 fofeasy_產(chǎn)品基本信息 5 fofeasy_產(chǎn)品基本信息 4 fofeasy_產(chǎn)品基本信息 4 投顧挖掘 2 行業(yè)數(shù)據(jù)——其他 1 行業(yè)數(shù)據(jù)——其他 1 x.reset_index('request_url') request_url visit_times 0 fofeasy_產(chǎn)品基本信息 7 1 投顧挖掘 6 2 投顧挖掘 5 3 投顧挖掘 5 4 fofeasy_產(chǎn)品基本信息 5 5 fofeasy_產(chǎn)品基本信息 4 6 fofeasy_產(chǎn)品基本信息 4 7 投顧挖掘 2 8 行業(yè)數(shù)據(jù)——其他 1 9 行業(yè)數(shù)據(jù)——其他 1
pandas 按照列A分組,將同一組的列B求和,生成新的Dataframe
>>>df.groupby(by=['request_url'])['visit_times'].sum() >>> request_url fofeasy_產(chǎn)品基本信息 20 投顧挖掘 18 行業(yè)數(shù)據(jù)——其他 2 Name: visit_times, dtype: int64
dict變成dataframe
In [15]: dict = pd.DataFrame({'x':1, 'y':2}, index=[0]) In [16]: dict Out[16]: x y 0 1 2
iloc
In [69]: df1.iloc[1:5, 2:4] Out[69]: 4 6 2 0.301624 -2.179861 4 1.462696 -1.743161 6 1.314232 0.690579 8 0.014871 3.357427
以上這篇dataframe設(shè)置兩個(gè)條件取值的實(shí)例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python參數(shù)傳遞實(shí)現(xiàn)過程及原理詳解
這篇文章主要介紹了Python參數(shù)傳遞實(shí)現(xiàn)過程及原理詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05Pygame游戲開發(fā)之太空射擊實(shí)戰(zhàn)碰撞改進(jìn)篇
相信大多數(shù)8090后都玩過太空射擊游戲,在過去游戲不多的年代太空射擊自然屬于經(jīng)典好玩的一款了,今天我們來自己動(dòng)手實(shí)現(xiàn)它,在編寫學(xué)習(xí)中回顧過往展望未來,在本課中,我們將討論如何更改?Pygame?處理精靈之間沖突的方式2022-08-08Python OpenCV利用筆記本攝像頭實(shí)現(xiàn)人臉檢測(cè)
這篇文章主要為大家詳細(xì)介紹了Python OpenCV利用筆記本攝像頭實(shí)現(xiàn)人臉檢測(cè),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-04-04Python中pandas庫sort_values()方法的使用
最后去看了有關(guān)于 sort_values 的文檔,成功解決先把單詞出現(xiàn)頻次由高往低依次排序,再把頻次相同的情況下的單詞按照 MD5 值排序這個(gè)問題,下面通過本文講解下Python中pandas庫sort_values()方法的使用,感興趣的朋友一起看看吧2023-07-07聊聊PyTorch中eval和no_grad的關(guān)系
這篇文章主要介紹了聊聊PyTorch中eval和no_grad的關(guān)系,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-05-05python獲取指定日期范圍內(nèi)的每一天,每個(gè)月,每季度的方法
這篇文章主要介紹了python獲取指定日期范圍內(nèi)的每一天,每個(gè)月,每季度的方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08