pandas是数据科学家必备的数据处理库,我们今天总结了10个在实际应用中肯定会用到的技巧
1、Select from table where f1=’a’ and f2=’b’
使用AND或OR选择子集
dfb = df.loc[(df.Week == week) & (df.Day == day)]
OR的话是这样
dfb = df.loc[(df.Week == week)|(df.Day == day)]
2、Select where in
从一个df中选择一个包含在另外一个df的数据,例如下面的sql
select * from table1 where field1 in (select field1 from table2)
我们有一个名为“days”的df,它包含以下值。
如果有第二个df:
可以直接用下面的方式获取
days = [0,1,2]
df[df(days)]
3、Select where not in
就像IN一样,我们肯定也要选择NOT IN,这个可能是更加常用的一个需求,但是却很少有文章提到,还是使用上面的数据:
days = [0,1,2]
df[~df(days)]
使用
~
操作符就可以了
4、select sum(*) from table group by
分组统计和求和也是常见的操作,但是使用起来并不简单
df(by=['RepID','Week','CallCycleDay']).sum()
如果想保存结果或稍后使用它们并引用这些字段,请添加 as_index=False
df.groupby(by=['RepID','Week','CallCycleDay'], as_index=False).sum()
使用as_index= false,可以表的形式保存列
5、从一个表更另外一个表的字段
我们从一个df中更改了一些值,现在想要更新另外一个df,这个操作就很有用。
dfb = dfa[dfa.field1='somevalue'].copy()
dfb['field2'] = 'somevalue'
dfa.update(dfb)
这里的更新是通过索引匹配的
6、使用apply/lambda创建新字段
我们创建了一个名为address的新字段,它是几个字段进行拼接的。
dfa['address'] = dfa.apply(lambda row: row['StreetName'] + ', ' +
row['Suburb'] + ', ' + str(row['PostalCode']),axis=1)
7、插入新行
插入新数据的最佳方法是使用concat。我们可以用有pd. datafframe .from_records一将新行转换为df。
newRow = row.copy()
newRow.CustomerID = str(newRow.CustomerID)+'-'+str(x)
newRow.duplicate = True
df = pd.concat([df,pd.DataFrame.from_records([newRow])])
8、更改列的类型
可以使用astype函数将其快速更改列的数据类型
df = pd.read_excel(customers_.xlsx')
df['Longitude'] = df['Longitude'].astype(str)
df['Latitude'] = df['Longitude'].astype(str)
9、删除列
使用drop可以删除列
def cleanColumns(df):
for col in df.columns:
if col[0:7] == "Unnamed":
df.drop(col, inplace=True, axis=1)
return df
10、地图上标注点
这个可能是最没用的技巧,但是他很好玩
这里我们有一些经纬度的数据
现在我们把它根据经纬度在地图上进行标注:
df_clustercentroids = pd.read_csv(centroidFile)
lst_elements = sorted(list(dfm.cluster2.unique()))
lst_colors = ['#%06X' % np.random.randint(0, 0xFFFFFF) for i in range(len(lst_elements))]
dfm["color"] = dfm["cluster2"]
dfm["color"] = dfm["color"].apply(lambda x:lst_colors[lst_elements.index(x)])
m = folium.Map(location=[dfm.iloc[0].Latitude,dfm.iloc[0].Longitude], zoom_start = 9)
for index, row in dfm.iterrows():
folium.CircleMarker(location=[float(row['Latitude']), float(row['Longitude'])],radius=4,popup=str(row['RepID']) + '|' +str(row.CustomerID),color=row['color'],fill=True,fill_color=row['color']
).add_to(m)
for index, row in df_clustercentroids.iterrows():
folium.Marker(location=[float(row['Latitude']), float(row['Longitude'])],popup=str(index) + '|#=' + str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0]),icon=folium.Icon(color='black',icon_color=lst_colors[index]),tooltip=str(index) + '|#=' + str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0])).add_to(m)
m
结果如下
作者:Shaun Enslin