python Dataframe常用操作

DataFrame

读取数据

　　data=pd.read_table(filepath+ 'profile.txt',header=None)

　　data.to_excel(filename)

　　具体参考https://blog.csdn.net/u010801439/article/details/80052677

　　随即生成m*n的矩阵   df = pd.DataFrame(np.random.randn(m,n) , index = range(m),columns=range(n))

添加元素

　　data=data.append(data.mean(),ignore_index=True )

　　连接dataframe   datadeal= pd.concat([r2, r1], axis = 1) #横向连接（0是纵向）

计算数据

　　计算不同列的和  data['1-2'] = data.apply(lambda x: x[0]+x[1], axis=1)  

　　计算所有行的和data.loc['Row_sum'] = data.apply(lambda x: x.sum())  #data.loc['Row_sum'] = data.apply(lambda x: x[0]+x[1])

选择提取元素

　　选择不同的列 data.T[24:29].T ===data.iloc[:,24:29]

删除元素

　　rdata=data.drop([16,17]) 返回删除删掉16,17行的数据 ，axis=1则表示删除列，加入参数inplace=True 则原始数据会改变，rdata为none

　　del data['aa'] 删除一列名为aa的元素

　　time=data.pop('name')

数据分类：

data_group=data.groupby('INDEX')

def attr_trans(x):
    result=pd.Series(index=['NAME'])
    result['NAME']=x['NAME'].iloc[0]
    return result
data_process=data_group.apply(attr_trans)
print(data_process)    

图像图例右移： 

plt.legend(loc='center left', bbox_to_anchor=(1, 0.5))

numpy数据翻转 

    def VerticalFlipping(self,data):#垂直翻转
        if data.shape[0]<=1:
            return data
        newarray=np.zeros(data.shape)
        for i in range(data.shape[0]):
            newarray[i]=data[-i-1]
        return newarray
    def HorizontalFlipping(self,data):#水平翻转
        if data.shape[1]<=1:
            return data
        newarray=np.zeros(data.shape)
        for i in range(data.shape[1]):
            newarray[:,i]=data[:,-i-1]
        return newarray       

 locals()['data'+namearray[i]]=pd.read_table(filepath+ namearray[i]+'.txt',header=None)#动态创建变量