(编辑：jimmy 日期: 2025/10/25 浏览：2)
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。