dataframe设置两个条件取值的实例

如下所示：>>>importpandasaspd>>>importnumpyasnp>>>frompandasimportSeries,DataFrame>&g

如下所示：

>>> import pandas as pd
>>> import numpy as np
>>> from pandas import Series, DataFrame
>>> df = DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]})
>>> df
 classes name price
0 1 a 11
1 2 a 22
2 3 b 33
3 4 b 44
>>> 

根据index和columns取值

>>> s = df.loc[0,'price']
>>> s
11

根据同行的columns的值取同行的另一个columns的值

>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price']
>>> sex
0 11
Name: price, dtype: int64
>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'].values[0]
>>> sex
11

根据条件同时取得多个值

>>> name,price = df.loc[df.classes==1,('name','price')].values[0]
>>> name
'a'
>>> price
11
>>>

对一列赋值

>>> df.loc[: , 'price']=0
>>> df
 classes name price
0 1 a 0
1 2 a 0
2 3 b 0
3 4 b 0
>>>

对df的一个列进行函数运算

【1】
>>> df['name'] = df['name'].apply(lambda x: x.upper())
>>> df
 classes name price
0 1 A 11
1 2 A 22
2 3 B 33
3 4 B 44
【2】
>>> df.loc[:, 'name'] = df['name'].apply(lambda x: x.upper())
>>> df
 classes name price
0 1 A 11
1 2 A 22
2 3 B 33
3 4 B 44
>>>

对df的几个列进行函数运算

【1】
>>> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x))
>>> print(type(df.loc[0, "classes"]))
<class 'str'>
>>> print(df.loc[0, "classes"])
1
【2】
>>> df.loc[:, ['classes','price']] = df[['classes', 'price']].applymap(lambda x: int(x))
>>> print(type(df.loc[0, "classes"]))
<class 'int'>
>>> print(df.loc[0, "classes"])
1
>>> 

对两个列进行去重

>>> df
 classes name price
0 1 a 11
1 1 a 22
2 3 b 33
3 4 b 44
>>> df.drop_duplicates(subset=['classes', 'name'], inplace=True)
>>> df
 classes name price
0 1 a 11
2 3 b 33
3 4 b 44

多个条件分割字符串

>>> fund_memeber = '赵四、 王五'
>>> fund_manager_list = re.split('[；， 、]', fund_memeber)
>>> fund_manager_list
['赵四', '', '王五']
#DataFrame构造器
>>> df = DataFrame({'x':[1],'y':[2]})
>>> df
 x y
0 1 2
>>>

删除某列值为特定值得那一行

>>> df = DataFrame({'name':['a','b','c','d'],'classes':[1,2,3,4],'price':[11,22,33,44]})
>>> df
 classes name price
0 1 a 11
1 2 b 22
2 3 c 33
3 4 d 44
【方法一】
>>> df = df.loc[df['name']!='a']
>>> df
 classes name price
1 2 b 22
2 3 c 33
3 4 d 44
>>> 
【方法二】
 df.drop(df[df.name=='a'].index,axis=0)
 #筛选df的每列值包含某个字段‘/a'
 >>> import pandas as pd
>>> df = pd.DataFrame({'a':['A', 'B'], 'b': ['AA', 'BB']})
>>> df
 a b
0 A AA
1 B BB
>>> df[df['a'].str.contains(r'A')]
 a b
0 A AA
>>> df = pd.DataFrame({'a':['/api/', 'B'], 'b': ['AA', 'BB']})
>>> df
 a b
0 /api/ AA
1 B BB
>>> df[df['a'].str.contains(r'/api/')]
 a b
0 /api/ AA
>>>

把列变成index和把index变成列

df
 request_url visit_times
9 fofeasy_产品基本信息 7
8 投顾挖掘 6
5 投顾挖掘 5
6 投顾挖掘 5
7 fofeasy_产品基本信息 5
3 fofeasy_产品基本信息 4
4 fofeasy_产品基本信息 4
2 投顾挖掘 2
0 行业数据——其他 1
1 行业数据——其他 1
x = df.set_index('request_url')
x
 visit_times
request_url 
fofeasy_产品基本信息 7
投顾挖掘 6
投顾挖掘 5
投顾挖掘 5
fofeasy_产品基本信息 5
fofeasy_产品基本信息 4
fofeasy_产品基本信息 4
投顾挖掘 2
行业数据——其他 1
行业数据——其他 1
x.reset_index('request_url')
 request_url visit_times
0 fofeasy_产品基本信息 7
1 投顾挖掘 6
2 投顾挖掘 5
3 投顾挖掘 5
4 fofeasy_产品基本信息 5
5 fofeasy_产品基本信息 4
6 fofeasy_产品基本信息 4
7 投顾挖掘 2
8 行业数据——其他 1
9 行业数据——其他 1

pandas 按照列A分组，将同一组的列B求和,生成新的Dataframe

>>>df.groupby(by=['request_url'])['visit_times'].sum()
>>>
request_url
fofeasy_产品基本信息 20
投顾挖掘 18
行业数据——其他 2
Name: visit_times, dtype: int64

dict变成dataframe

In [15]: dict = pd.DataFrame({'x':1, 'y':2}, index=[0])
In [16]: dict
Out[16]:
 x y
0 1 2

iloc

In [69]: df1.iloc[1:5, 2:4]
Out[69]: 
 4 6
2 0.301624 -2.179861
4 1.462696 -1.743161
6 1.314232 0.690579
8 0.014871 3.357427

以上这篇dataframe设置两个条件取值的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。