10个Pandas的小技巧

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