pandas 使用总结

1. 创建 DataFrame 

   from random import randint
   import pandas as pd
   import numpy as np
   df = pd.DataFrame(index=range(10), columns=list('ABCD'))

2. # 动态添加一列

   A = np.array(range(20, 30))
   df['E'] = A
   print(df)

3. # 添加一行  注意列名必须一致

   # append 生成新的DataFrame，原DataFrame不变   ignore_index 是否继续累加原行号
   _11 = pd.DataFrame(data=[[1,1,1,1,1]], columns=list('ABCDE'))
   print(_11)
   _11df = df.append(_11, ignore_index=True)
   print(_11df)
   
   _12 = pd.Series({'A':randint(-1,1), 'B':randint(-1,1), 'C':randint(-1,1), 'D':randint(-1,1), 'E':randint(-1,1)})
   _12df = df.append(_12, ignore_index=True)
   print(_12df)
   
   # 可以用做添加一行（前提是没有10的行号），如果有第10的行号，就是修改这行值
   df.loc[10] = [randint(-1,1) for n in range(5)]
   print(df)

4. # 判断 24 < df['E']列 < 28 的值

   # TODO 记得加括号哦
   print(df[(df['E'] > 24) & (df['E'] < 28)])

5. # 修改值

   df.loc[6, :] = [66,66,66,66,66]
   df.loc[[7,8,9], :] = [[77,77,77,77,77], [88,88,88,88,88], [99,99,99,99,99]]
   print(df)

6. # 获取 A 列值为 nan 的行
   

   print(df[pd.isna(df['A'])]['A'])

7. # 获取 A 列值不为 nan 的行
   

   print(df[~pd.isna(df['A'])]['A'])

8. # 获取整个 df 是缺测的
   

   isna = pd.isna(df)
   print(isna)
   # 获取缺测的 index
   indnan = np.where(isna == False)
   # 因为where查找的下标是二维数组，所以先把df转为numpy, 再通过二维下标，获取值
   ddf = np.array(df)
   print(ddf[indnan])

9. # 按行转为一维

   print(ddf.flatten())

     #  仅供参考，欢迎评论交流