一、Pandas

（1）导入导出

c=pd.read_table('output',header=None,sep=' ')
m.to_csv('m2',index=None,sep='\t',float_format='%.3f')

• sep=' ' ：读取的表格是以空格为分隔的
• header/index=None：
  在读取时，即不把读取的表格中的第一行/列当做表头，导入的内容都是表格内容
  在导出时，即不保存表格的表头，只保存内容
• float_format='%.3f'：导出时保留小数点后三位

（2）修改

优雅地添加一列或一行

参考：https://blog.csdn.net/luoganttcc/article/details/77570024

data1=[1,2,3]
df.loc['new_row'] = data1 #可以加入新的一行，值为1,2,3，行名为new_row
df['new_col']='12' #可以加入新的一行，值都为12，列名为new_col

虽然有一定局限，但是确实挺优雅的，直接将list加进去了，而不需要转成pandas的DataFrame或Series

添加一列（老方法）

#df是dataframe；cddl是series
df.insert(1,1,cddl) #在位置1加入一列，列名为数字1. insert默认加列，不用带axis参数

修改列名

a1.columns=['name','id'] #粗暴改列名
c.rename(columns={1:'id'},inplace=True) #部分改列名

• inplace=True：直接对进行更改
• inplace=False：默认该操作不改变原数据，而是返回一个执行操作后的新dataframe

将某一行/列变为空值

df.iloc[1]=np.nan #第一行变为空值
df.iloc[:,1]=np.nan #第一列变为空值
df_test['B']=np.nan

• df_test['B']=np.nan：也可以直接令一列为空值，如果有一列列名为“B”，则这列变为空值；否则新建一列列名为“B”的列，全列为空值。

拼接merge

m=pd.merge(a1,t2) #a1和t2有相同列名，两表拼接

修改index

df1.reset_index(inplace=True,drop=True)

• 应用场景：df被删掉了一些行之后，行名不连续，可用reset_index重置行名，使行名连续。
• drop=True: 不保留原来的索引
• drop=False: 保留原来的索引，令原来的索引称为df的其中一列

（3）删除相关

删除一列

df.drop(1,axis=1,inplace=True) #删位置在1的一列

删除空值

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

• axis：0表示行,1表示列，默认为0
• how：any表示有一个空值就删除整行，all表示所有未空值才删除
• thresh：axis中至少有thresh个非缺失值，否则删除
• subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）

去重

df1.drop_duplicates(inplace=True)#删除掉一行中完全一样的行

• keep=False如果完全相同的行都不要了，可以加此参数。即如果有3行内容一致，加keep=False则3行都删掉，不加则只删2行，保留一行。

（4）查看

print(c.head(10)) #打印c的前10行

二、其他

t=[214837,214838,214839,214840,213536]
cddl=['CDD:'+str(i) for i in t]
print(cddl) #CDD:214837,CDD:214838,CDD:214839,CDD:214840,CDD:213536

• 这个是R中的paste语句在python中的应用