点击查看【bilibili】 

  1. df
  2.     positionId    city    companyId    salary    workYear
  3. 0    2537336    上海    8581    7k-9k    应届毕业生
  4. 1    2427485    上海    23177    10k-15k    应届毕业生
  5. 2    2511252    上海    57561    4k-6k    应届毕业生
  6. 3    2427530    上海    7502    6k-8k    应届毕业生
  7. 4    2245819    上海    130876    2k-3k    应届毕业生
  8. ...    ...    ...    ...    ...    ...
  9. 5026    2582910    北京    3786    15k-25k    3-5年
  10. 5027    2583183    北京    59239    15K-30K    3-5年
  11. 5028    1832950    北京    50702    30k-40k    5-10年
  12. 5029    2582349    北京    156832    4k-6k    不限
  13. 5030    1757974    北京    1575    15k-30k    不限
  14. 5031 rows × 5 columns

前几行head()，倒数几行tail()

  2. positionId    city    companyId    salary    workYear
  3. 0    2537336    上海    8581    7k-9k    应届毕业生
  4. 1    2427485    上海    23177    10k-15k    应届毕业生
  5. 2    2511252    上海    57561    4k-6k    应届毕业生
  6. 3    2427530    上海    7502    6k-8k    应届毕业生
  7. 4    2245819    上海    130876    2k-3k    应届毕业生

转置，T

  1. #转置，T
  2. df.T.head()
  4.     0    1    2    3    4    5    6    7    8    9    ...    5021    5022    5023    5024    5025    5026    5027    5028    5029    5030
  5. positionId    2537336    2427485    2511252    2427530    2245819    2580543    1449715    2568628    2416852    1605795    ...    2267253    2472967    2378458    2508187    636485    2582910    2583183    1832950    2582349    1757974
  6. city    上海    上海    上海    上海    上海    上海    上海    上海    上海    上海    ...    天津    天津    天津    天津    天津    北京    北京    北京    北京    北京
  7. companyId    8581    23177    57561    7502    130876    28095    2002    21863    121208    58109    ...    144782    92444    112379    32877    52887    3786    59239    50702    156832    1575
  8. salary    7k-9k    10k-15k    4k-6k    6k-8k    2k-3k    10k-15k    7k-14k    5k-7k    4k-8k    2k-4k    ...    6k-8k    12k-20k    3k-4k    3k-5k    8k-15k    15k-25k    15K-30K    30k-40k    4k-6k    15k-30k
  9. workYear    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    应届毕业生    ...    不限    不限    不限    不限    不限    3-5年    3-5年    5-10年    不限    不限
  10. 5 rows × 5031 columns

基本信息，info()

  1. df.info()
  2. <class 'pandas.core.frame.DataFrame'>
  3. RangeIndex: 5031 entries, 0 to 5030
  4. Data columns (total 5 columns):
  5. positionId    5031 non-null int64
  6. city          5031 non-null object
  7. companyId     5031 non-null int64
  8. salary        5031 non-null object
  9. workYear      5031 non-null object
  10. dtypes: int64(2), object(3)
  11. memory usage: 196.6+ KB

排序，sort_values, sort_index

  1. #排序，sort_values和sort_index
  2. df.sort_values('positionId',ascending=False)
  5. positionId    city    companyId    salary    workYear
  6. 5027    2583183    北京    59239    15K-30K    3-5年
  7. 5026    2582910    北京    3786    15k-25k    3-5年
  8. 4985    2582554    苏州    51527    10k-20k    3-5年
  9. 5029    2582349    北京    156832    4k-6k    不限
  10. 4564    2582102    杭州    57206    8k-15k    不限
  11. ...    ...    ...    ...    ...    ...
  12. 2296    127572    北京    129    10k-18k    1-3年
  13. 1916    120777    北京    21863    8k-16k    1-3年
  14. 2305    108569    北京    129    10k-18k    1-3年
  15. 3828    100561    北京    62    20k-40k    不限
  16. 1006    80307    深圳    6718    8k-15k    1-3年
  17. 5031 rows × 5 columns

排名，rank()

  1. #排名，rank,默认是升序、mehtod=avg
  2. df['rank']=df.salary.rank(ascending=False,methor=min)
  3. df.sort_values('salary',ascending=False)
  5.         positionId    city    companyId    salary    workYear    rank
  6. 871        2521310    上海    154701    9k以上   不限      1.0
  7. 1563    2403326    北京    133765    9k-18k    应届毕业生    15.5
  8. 2153    2579739    北京    144668    9k-18k    1-3年    15.5
  9. 4488    1982864    杭州    4184    9k-18k    3-5年    15.5
  10. 4617    1952795    成都    23268    9k-18k    1-3年    15.5
  11. ...    ...    ...    ...    ...    ...    ...
  12. 3785    2469682    北京    151898    10K-20K    不限       5028.0
  13. 2021    2550969    北京    1575    10K-20K    1-3年    5028.0
  14. 3653    2474401    北京    151898    10K-20K    不限    5028.0
  15. 3632    2469338    北京    151898    10K-20K    不限    5028.0
  16. 3825    2465839    北京    151898    10K-20K    不限    5028.0
  17. 5031 rows × 6 columns

每一列的唯一值，unique()

df.city.unique()

array(['上海', '深圳', '北京', '广州', '杭州', '成都', '南京', '武汉', '西安', '厦门', '长沙',
       '苏州', '天津'], dtype=object)

统计不同类别出现的次数，value_counts()

df.city.value_counts()

北京    2347
上海     979
深圳     527
杭州     406
广州     335
成都     135
南京      83
武汉      69
西安      38
苏州      37
厦门      30
长沙      25
天津      20
Name: city, dtype: int64

描述性统计数值，describe()

df.companyId.describe()

count      5031.000000
mean      57247.581594
std       47585.568414
min          43.000000
25%       14883.000000
50%       47063.000000
75%      100149.000000
max      157744.000000
Name: companyId, dtype: float64

累加，cumsum()

#累加
df['cumsum']=df.companyId.cumsum()
df
    positionId    city    companyId    salary    workYear    cumsum
0    2537336        上海    8581    7k-9k    应届毕业生    8581
1    2427485        上海    23177    10k-15k    应届毕业生    31758
2    2511252        上海    57561    4k-6k    应届毕业生    89319
3    2427530        上海    7502    6k-8k    应届毕业生    96821
4    2245819        上海    130876    2k-3k    应届毕业生    227697
...    ...    ...    ...    ...    ...    ...
5026    2582910    北京    3786    15k-25k    3-5年    287744235
5027    2583183    北京    59239    15K-30K    3-5年    287803474
5028    1832950    北京    50702    30k-40k    5-10年    287854176
5029    2582349    北京    156832    4k-6k    不限    288011008
5030    1757974    北京    1575    15k-30k    不限    288012583
5031 rows × 6 columns

分级统计，cut()

#分级统计，pd.cut()
df['bins']=pd.cut(df.companyId,bins=[0,10000,20000,40000,80000,157744],labels=['0~10000','10001~200000','20001~40000','40001~80000','800001~157744'])

df.sort_values('companyId',ascending=True)
    positionId    city    companyId    salary    workYear    cumsum        bins
1629    2100781    北京        43            8k-15k    1-3年    95708372    0~10000
2177    1666634    北京        53            15k-25k    1-3年    129200189    0~10000
2063    2345435    北京        53            10k-20k    1-3年    121450623    0~10000
4656    1707663    成都        53            10k-15k    3-5年    263530660    0~10000
4677    1793663    成都        53            15k-20k    3-5年    265228136    0~10000
...    ...    ...    ...    ...    ...    ...    ...
1628    2574813    北京        157426        6k-12k    1-3年    95708329    800001~157744
1801    2578326    北京        157453        4k-8k    1-3年    104970959    800001~157744
4758    2578503    南京        157647        5k以上   3-5年        271387643    800001~157744
3577    2579118    北京        157665        2k-4k    不限        201924836    800001~157744
4718    2580536    成都        157744        3K-6K    不限        268583406    800001~157744
5031 rows × 7 columns