标签：loc name df DataFrame pd iloc pandas

pandas

数据去重：pd.Series(list(s)).unique() ，或者set()

DataFrame取行、列：数字、名称两种索引方式

取行

df[2:6]

df[:3]

名字：df.loc[“A”]、df.loc[“A”:"D"]、df.loc[[“A”,"D"]]

数字：df.iloc[1]、df.iloc[1:3]、df.iloc[[1,3]]

取列

df[[2,4,6]

df.loc[:,"Y"]、df.loc[:,"X":"Z"]、df.loc[:,["X","Z"]]

df.iloc[:,2]、df.iloc[:,2:6]、df.iloc[:,[2,6]]

同时取行，取列

df.loc["C","Y"]、df.loc["A":"C","X":"Z"]、df.loc[["A","C","E"],["W","Y"]]

df.iloc[2,2]、df.iloc[0:3,1:4]、df.iloc[[0,2,4],[0,2]]

DataFrame添加行、列

1.添加行有df.loc[]以及df.append()这两种方法

采用loc[]方法多适用于对空的dataframe循环遍历添加行，这样索引可以从0开始直到数据结果，不会存在索引冲突的问题。

# 构造一个空的dataframe
import pandas as pd
df = pd.DataFrame(columns=['name','number'])
# 采用.loc的方法进行
df.loc[0]=['cat', 3]  # 其中loc[]中需要加入的是插入地方dataframe的索引，默认是整数型
# 也可采用诸如df.loc['a'] = ['123',30]的形式

添加一行或合并两个dataframe，采用append()方法

# 1. 采用append方法合并两个dataframe
# 构造两个dataframe
df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
# 合并  ignore_index设置为 True可以重新排列索引
df.append(df2, ignore_index=True)
   A  B
0  1  2
1  3  4
2  5  6
3  7  8

# 2. 采用append方法添加多行
df = pd.DataFrame(columns=['A'])
for i in range(5):
    df = df.append({'A': i}, ignore_index=True)
df
   A
0  0
1  1
2  2
3  3
4  4
# 同样如果是遍历添加多行，有一种更高效的方法
pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)],
          ignore_index=True)
   A
0  0
1  1
2  2
3  3
4  4

df = df.append({'A': i}, ignore_index=True)

2.添加列有df[]和df.insert()两种方法

新增一列，采用df[]方法直接在列上操作（建议）

# 新建一个dataframe
df = pd.DataFrame(columns=['name','number'], data=[['cat',3]])
df
  name  number
0  cat       3
# 添加一列，计算有多少条腿
df['leg'] = df['number'] * 4
# 添加一列，直接赋值有几个头
df['head'] = 1
df 
  name  number  leg  head
0  cat       3   12     1

添加一列，采用insert()方法

# 使用方法是DataFrame.insert(loc, column, value, allow_duplicates=False)
# 即df.insert(添加列位置索引序号，添加列名，数值，是否允许列名重复)
df.insert(1, 'tail', 1, allow_duplicates=False)
df
  name  tail  number  leg  head
0  cat     1       3   12     1

分组聚合groupby

df.groupby(column2)

df.groupby([column1, column2])

groupby后生成字典

groups = dict(list(yolo_df.groupby(["name"])))

groupby后生成列表-数组

np_res = []
for i , content in yolo_df.groupby(["name"]):
np_res.append((np.array(content).astype("float")))

pandas ：DataFrame文件保存为.csv

import pandas as pd

dataframe_file.to_csv("file_path/file_name.csv", index=False)

df = pd.read_csv('file_path/file_name.csv')

标签：loc,name,df,DataFrame,pd,iloc,pandas
来源： https://www.cnblogs.com/killens/p/16303507.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。