关于python:技巧-分享几个Pandas高效函数

36次阅读

共计 1237 个字符,预计需要花费 4 分钟才能阅读完成。

大家好~

本期给大家举荐几个 pandas 高效数据处理函数 (继续更新),心愿对你有所帮忙:

  1. 字典创立 Dataframe
  2. 列拆分(split/extract)
  3. 列合并(cat)
  4. 左右填充(pad)
  5. 依据类型筛选列(select_dtypes)
  6. 排序(rank)

1. 字典创立 Dataframe

df_dict = {'name':['Alice_001','Bob_002','Cindy_003','Eric_004','Helen_005','Grace_006'],'sex':['female','male','female','male','female','male'],'math':[90,89,99,78,97,93],'english':[95,94,80,94,94,90]}
#[1]. 间接写入参数 test_dict
df = pd.DataFrame(df_dict)
#[2]. 字典型赋值
df = pd.DataFrame(data=df_dict)

2. 列拆分(split/extract)

字符拆分:

df1[['name', 'id']] = df1['name'].str.split('_', 2, expand = True)

正则表达式拆分:

df2 = df.copy()
df2['name2'] = df2['name'].str.extract('([A-Z]+[a-z]+)')
df2['id2'] = df2['name'].str.extract('(\d+)')

3. 列合并(cat)

自定义连接符:

df1["name_id"] = df1["name"].str.cat(df1["id"],sep='_'*3)

某列合并输入:

df1["name"].str.cat(sep='*'*5)

4. 左右填充(pad)

左填充:

df1["id"] = df1["id"].str.pad(10,fillchar="*") 
# 相当于 ljust()
df1["id"] = df1["id"].str.rjust(10,fillchar="*")

右填充:

df1["id"] = df1["id"].str.pad(10,side="right",fillchar="*")

两侧填充:

df1["id"] = df1["id"].str.pad(10,side="both",fillchar="*")

5. 依据类型筛选列(select_dtypes)

筛选数值列:

df1.select_dtypes(include=['float64', 'int64'])

筛选 object 列:

df1.select_dtypes(include=['object'])

6. 排序(rank)

英语成绩排名:

df1['e_rank'] = df1['english'].rank(method='min',ascending=False)

94 分有三个,所以三个并列第 2。

以上就是本期为大家整顿的全部内容了,赶快练习起来吧,喜爱的敌人能够! 点赞、点在看能够分享让更多人晓得

正文完
 0