dataframe設定兩個條件取值的例項

NO IMAGE

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
>>> 

根據index和columns取值


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

根據同行的columns的值取同行的另一個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

根據條件同時取得多個值


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

對一列賦值


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

對df的一個列進行函式運算


【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
>>>

對df的幾個列進行函式運算


【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
>>> 

對兩個列進行去重


>>> 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

多個條件分割字串


>>> fund_memeber = '趙四、 王五'
>>> fund_manager_list = re.split('[;, 、]', fund_memeber)
>>> fund_manager_list
['趙四', '', '王五']
#DataFrame構造器
>>> df = DataFrame({'x':[1],'y':[2]})
>>> df
x y
0 1 2
>>>

刪除某列值為特定值得那一行


>>> 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)
#篩選df的每列值包含某個欄位‘/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
>>>

把列變成index和把index變成列


df
request_url visit_times
9 fofeasy_產品基本資訊   7
8   投顧挖掘   6
5   投顧挖掘   5
6   投顧挖掘   5
7 fofeasy_產品基本資訊   5
3 fofeasy_產品基本資訊   4
4 fofeasy_產品基本資訊   4
2   投顧挖掘   2
0  行業資料——其他   1
1  行業資料——其他   1
x = df.set_index('request_url')
x
visit_times
request_url    
fofeasy_產品基本資訊   7
投顧挖掘      6
投顧挖掘      5
投顧挖掘      5
fofeasy_產品基本資訊   5
fofeasy_產品基本資訊   4
fofeasy_產品基本資訊   4
投顧挖掘      2
行業資料——其他     1
行業資料——其他     1
x.reset_index('request_url')
request_url visit_times
0 fofeasy_產品基本資訊   7
1   投顧挖掘   6
2   投顧挖掘   5
3   投顧挖掘   5
4 fofeasy_產品基本資訊   5
5 fofeasy_產品基本資訊   4
6 fofeasy_產品基本資訊   4
7   投顧挖掘   2
8  行業資料——其他   1
9  行業資料——其他   1

pandas 按照列A分組,將同一組的列B求和,生成新的Dataframe


>>>df.groupby(by=['request_url'])['visit_times'].sum()
>>>
request_url
fofeasy_產品基本資訊 20
投顧挖掘    18
行業資料——其他   2
Name: visit_times, dtype: int64

dict變成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

以上這篇dataframe設定兩個條件取值的例項就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援指令碼之家。

您可能感興趣的文章:

python dataframe astype 欄位型別轉換方法pandas修改DataFrame列名的方法python pandas中DataFrame型別資料操作函式的方法Python DataFrame設定/更改列表欄位/元素型別的方法