1.pandas结合numpy 处理整列数据方法
可以用于列分裂为多列的场景，其中df.A>3 等你想使用的各种判断
输入结果
2. 根据某一列的数据，进行样本筛选（行，为样本）
可用于跟据某个特征挑选样本
3.apply的使用
apply号称是自由度最高的使用函数，其实最关键的还是axis的赋值问题总容易搞混
axis根据下面的运行结果，好像是一列一列的‘喂进去’
以下是摘抄pandas官方例程中的例子
a.生成最原始的数据表
最原始的数据表
b.
a.列操作？
把A列的所有值相加作为新A列，把B列的所有值相加作为新B列
b.行操作？
把第0行的数相加作为新0行，把第1行的数相加作为新1行，把第2行的数相加作为新2行
4.python中lambda的用法
a=lambda x,y,z:(x+8)*y-z
print(a(5,6,7))<=====>(5+8)*6-7=71
5.pandas中groupby()的使用
apply应用实例1
apply应用实例2
以A列作为分组求B、C列相应的均值
6. drop_去重操作
df.drop_duplicates(subset=['A','B'],keep='first',inplace=True)
7. 挑选列操作
挑选多行可以不按照顺序
挑选多行多列（可以不按照顺序）
行列的切片操作
dataframe删除操作
8.Pandas合并数据集
https://blog.csdn.net/u010414589/article/details/51135840
方式一： 使用merge方式
合并的列完全相同
合并的列不完全相同--使用inner选项
合并列不完全相同--以左表为主，右表没有的补齐，并删除与左表不同的项
合并列不完全相同--以右表为主，左表没有的补齐，并删除与右表不同的项
方式二：使用concat
9.排序
通过索引排序
根据‘c’列的值进行排序
根据‘a’/'c'2列的顺序排序
唯一值
网友评论