dataframe小技巧

group_by_type_x=lastdata.groupby('col') 分组

a=(list(frame['col'].value_counts()).index) 分组后的组名，即为col里面的元素

获得每组的信息:dataframe.groupby(['col']).get_group(a[i])或者dataframe[dataframe['col']==a[i]]

返回分组组名

typeship=[]

for type_x,group in group_by_type_x:

    typeship.append(type_x)

mydata['type_x'].value_counts()  数据框某列元素计数

np.random.permutation(mydata.shape[0])  索引打乱

mydata.drop(['name','id','type_y','imo'],axis=1)  删除列

data.dropna(axis=0, how='all')  删除表中全部为NaN的行

删除表中任何含有NaN的行 data.dropna(axis=0, how='any')

df.reset_index(drop = True) 重新定义行索引

https://blog.csdn.net/HuaCode/article/details/79763687  Python统计列表（List）中的重复项出现的次数并进行排序

删除重复项

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

subset : column label or sequence of labels, optional 

用来指定特定的列，默认所有列

keep : {‘first’, ‘last’, False}, default ‘first’ 

删除重复项并保留第一次出现的项

inplace : boolean, default False 

是直接在原来数据上修改还是保留一个副本

https://pandas.pydata.org/pandas-docs/version/0.23/generated/pandas.DataFrame.rolling.html  移动平均

onesog[~onesog['sog'].isin([4270])]  删除数值为4270的

odata.drop(odata.index[[16,17]],inplace=True)  删除行，原数据不会保留删掉的行，默认为False，