《对比 Excel ，...》第七章：数值操作

import pandas as pd
df = pd.read_excel(r"test.xlsx", sheet_name = 0, header = 0)
df

数值替换

前文已讲（第五章 3.2.2 ）。

数值排序

前文已讲（第四章 5：常用函数）

数值删除

删除列

df.drop(["年龄"], axis=1)
df.drop(df.columns[[1,2]],axis=1)
df.drop(columns=["年龄"])

删除行

df.drop([1,2], axis=0)
df.drop(df.index[[1,0]])
df.drop(index=[1,3])

其他操作

数值计数

df["年龄"].value_counts(normalize = False, sort = False)
# normalize ：是否转化为百分比占数，默认为 FALSE
# sort ：是否降序排序，默认为 False

获取唯一值

df["年龄"].unique()

数值查找

df.isin([54,27])
df["年龄"].isin([52,27])

区间切分

# pd.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')
# x ：目标数组，必须是一维
# bins ：可以是整数（例如 3）、标量序列（例如 [0,20,40,60]）、区间 IntervalIndex （例如 pd.IntervalIndex.from_tuples([(0, 20), (20, 40), (40, 60)])）
# right ：区间右边是否是闭区间，默认是
# labels ：值可以是数组（例如 labels=["bad", "medium", "good"] ）或布尔值，默认是FALSE，如果存在 IntervalIndex ，则该值忽略
# retbins ：布尔值，如果为真，则在有 bins 的情况下返回各区间划分
# precision ：精确度，默认为 3
# include_lower ：布尔值，默认为 False，第一个区间是否左闭合
# duplicates ：可选 raise 、 drop 
pd.cut(df["年龄"], 3, duplicates='drop')
# pd.qcut(df["年龄"], 3)

插入新的行或列

# 插入新列
# df.insert(2, "喜欢的颜色", ['H', 'Y', 'B', 'W', 'P', 'H', 'Y', 'B', 'W', 'P', 'H', 'Y', 'B', 'W', 'P', 'D'])
# df
# 插入新行
# 没有专门的方法插入新行，但是可以使用表的纵向拼接功能实现插入新行
insert_row = pd.DataFrame([["A17", 30, "女", "2019-08-24"]], columns=["编号", "年龄", "性别", "注册时间"])
insert_row
np.vstack((df, insert_row))

行列互换

# 使用 .T 方法
df.T

索引重塑

重塑：把数据从表格型数据转换到树形结构，即是重塑。
方法： stack()

逆重塑： unstack()

df.stack()
df.unstack()

长宽表转换

使用 melt() 方法实现。
df.melt(id_vars = “列名”,
var_name = “新列名”,
value_name = “新列名”)

其中：

id_vars ：用于指明宽表转换到长表时保持不变的列

var_namear ：表示原来的列索引转化为“行索引”后对应的列名，即 variable 对应的名称

value_namealue ：表示新索引对应的值的列名，即 value 对应的名称

df.insert(1, "姓名", ['刘一', '王二', '张三', '李四', '肖五', '赵六'])
# df.melt(id_vars = ['姓名', "性别"])

apply() 函数和 applymap() 函数

apply()函数：主要用于对 DataFrame 中的某一 column 或 row 中的元素执行相同的函数操作。

applymap()函数：主要用于对 DataFrame 中的每一个元素执行相同的函数操作。

这两者都需要配合 Python 中的匿名函数 lambda 使用。

df
# apply() 函数
df['年龄'].apply(lambda x: x + 2)
# applymap() 函数
df.applymap(lambda x: x + 2)
# 注意：数据类型的话，可以执行的操作也不一样