Pandas 练习笔记

6.行数

B.index.size
B.shape[0]   ---更快

5.输出满足某条件的行

• （单项条件搜索）选取某列'STATUS'里面元素为"ACTIVE"的行，即删掉列STATUS元素不是ACTIVE的行

df = df[df['STATUS'] == "ACTIVE"]

• (多项条件搜索) 选取GOODREASON列元素为列表['quality', 'cheap']内元素的行

df = df[df['GOODREASON'].isin(['quality', 'cheap'])]

4.对列重命名 及其删除某些列

• pd 列重命名
  B.columns=["chr","feature","count"]

• 删除 pandas DataFrame的某一/几列：

1 .方法一：直接

del DF['column-name']

2.方法二：采用drop方法，有下面三种等价的表达式：

1. DF= DF.drop('column_name', 1)；

2. DF.drop('column_name',axis=1, inplace=True)

3. DF.drop([DF.columns[[0,1, 3]]], axis=1,inplace=True)   # Note: zero indexed

#注意#：

• 凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True（默认为False），那么原数组直接就被替换。也就是说，采用inplace=True之后，原数组名（如2和3情况所示）对应的内存值直接改变；而采用inplace=False之后，原数组名对应的内存值并不改变，需要将新的结果赋给一个新的数组或者覆盖原数组的内存位置（如1情况所示）

3.pd 合并表格

image.png

2.Pandas 切片

我们对 DataFrame 进行选择，大抵从这三个层次考虑：行列、区域、单元格。
其对应使用的方法如下：

一. 行，列 --> df[]
     df['column_name'] ，df[row_start_index, row_end_index] 选取指定整列数据
二. 区域 --> df.loc[], df.iloc[], df.ix[]
     1. loc，在知道列名字的情况下，df.loc[index,column] 选取指定行，列的数据
     2. iloc，在column name特别长或者index是时间序列等各种不方便输入的情况下，可以用iloc (i = index), iloc完全用数字来定位 iloc[row_index, column_index]
     3. ix 以移除
三. 单元格 --> df.at[], df.iat[]
      dfname.at['a', 'A'] #获得单个数据
      dfname.iat[0,-2] #获得某个数据
######
import numpy as np
import pandas as pd
index=np.array([2,4,6,8,10])
data=np.array([3,5,7,9,11])
data=pd.DataFrame({"num": data},index=index)
print(data)
data.loc[2,"num"]

dfname._stat_axis.values.tolist() # 行名称
dfname.columns.values.tolist() # 列名称
pandas 切片
切片2

1.Pandas读取tsv文件

TSV文件和CSV的文件的区别是：前者使用\t作为分隔符，后者使用,作为分隔符。read_scv 参数介绍

• 如果已有表头，则可使用header参数：当第二行是列名
• header=-1时（可用于读取无表头CSV文件）：

train=pd.read_csv('test.tsv', sep='\t', header=1)

-读入某些列

d = pd.read_csv('your_file_name.csv', usecols=['id', 'age', 'gender'])
或者
d = pd.read_csv('your_file_name.csv')
d = d[['id', 'age', 'gender']]

• 如果已有主键列：

train=pd.read_csv('test.tsv', sep='\t', header=0, index_col='id')

• 保存文件：

 df.to_csv('foo.csv')