1、isin用法，可结合&、|使用>、==等： df_isin = df[df['工单号'].isin([1, 2, 3])] 2、查询A列，修改B列 df[df['告警类型'] == '网络', '业务线'] = '数据库' #查询列：告警类型，值为网络的目标，目标列：业务线的值改为‘数据库’ 3、正则剔除匹配的数据 regx = '.*大数据分析平台.*(CPU|memory|Filesystem space)$' df = df[~df['流程实例标题'].str.match(regx)] 4、指定位置插入列 df.insert(2, '是否超时', '哈哈') #第二列后插入列名为‘是否超时’, 值为‘哈哈 ’’ 5、时间转换 df.to_datetime('2020-11-30 00:00:00,, format='%Y/%m/%d') 6、删除行列 df.drop('col1', axis=1) #axis=1表示删除列，axis=0表示删除行 7、ffill向下填充空值 col = ['A', 'B', 'C'] df[col].ffill() 8、去重 # 审批历时单位转换及重复数据筛选， 如：原始数据:[1, 2, 2, 3, 3] a = df.drop_duplicates(subset=[filtername], keep='first') # 保留一条重复数据 结果： [1, 2, 3] b = df.drop_duplicates(subset=[filtername], keep=False) # 所有重复数据都删掉 结果：[1] c = a.append(b).drop_duplicates(subset=[filtername], keep=False) # 去除重复数据 结果：[2, 3] 9、筛选求和 df[df['工单号'] == 100]['任务时长'].sum() #列：工单号为100的目标，对列：任务时长求和 10、迭代 for index, row in df.iterrows(): print(index, row['工单号']) 11、map结合lambda data["gender"] = data["gender"].map({"男":1, "女":0}) #列男改为1，列女改为0 df['处理时长'].map(lambda x: x/(60*60)) #列处理时长所有值进行lambda表达式操作 12、重命名列 df.rename(columns={'审批历史': '累计时长'})