聊一聊十个Pandas的小技巧

pandas是数据科学家必备的数据处理库，我们今天总结了10个在实际应用中肯定会用到的技巧。

1、Select from table where f1=’a’ and f2=’b’

使用AND或OR选择子集

dfb=df.loc[(df.Week==week) & (df.Day==day)]

OR的话是这样

dfb=df.loc[(df.Week==week)|(df.Day==day)]

2、Select where in

从一个df中选择一个包含在另外一个df的数据，例如下面的sql

select*fromtable1wherefield1in (selectfield1fromtable2)

我们有一个名为“days”的df，它包含以下值。

如果有第二个df:

可以直接用下面的方式获取

days= [0,1,2]
df[df(days)]

3、Select where not in

就像IN一样，我们肯定也要选择NOT IN，这个可能是更加常用的一个需求，但是却很少有文章提到，还是使用上面的数据：

days= [0,1,2]
df[~df(days)]

使用~操作符就可以了

4、select sum(*) from table group by

分组统计和求和也是常见的操作，但是使用起来并不简单

df(by=['RepID','Week','CallCycleDay']).sum()

如果想保存结果或稍后使用它们并引用这些字段，请添加 as_index=False

df.groupby(by=['RepID','Week','CallCycleDay'], as_index=False).sum()

使用as_index= false，可以表的形式保存列。

5、从一个表更另外一个表的字段

我们从一个df中更改了一些值，现在想要更新另外一个df，这个操作就很有用。

dfb=dfa[dfa.field1='somevalue'].copy()
dfb['field2'] ='somevalue'
dfa.update(dfb)

这里的更新是通过索引匹配的

6、使用apply/lambda创建新字段

我们创建了一个名为address的新字段，它是几个字段进行拼接的。

dfa['address'] =dfa.apply(lambdarow: row['StreetName'] +', '+

7、插入新行

插入新数据的最佳方法是使用concat。我们可以用有pd. datafframe .from_records一将新行转换为df。

newRow=row.copy()
newRow.CustomerID=str(newRow.CustomerID)+'-'+str(x)
newRow.duplicate=True
df=pd.concat([df,pd.DataFrame.from_records([newRow])])

8、更改列的类型

可以使用astype函数将其快速更改列的数据类型

df=pd.read_excel(customers_.xlsx')
df['Longitude'] =df['Longitude'].astype(str)
df['Latitude'] =df['Longitude'].astype(str)

9、删除列

使用drop可以删除列

defcleanColumns(df):
forcolindf.columns:


returndf

10、地图上标注点

这个可能是最没用的技巧，但是他很好玩。

这里我们有一些经纬度的数据。

现在我们把它根据经纬度在地图上进行标注：

df_clustercentroids=pd.read_csv(centroidFile)
lst_elements=sorted(list(dfm.cluster2.unique()))
lst_colors= ['#%06X'%np.random.randint(0, 0xFFFFFF) foriinrange(len(lst_elements))]
dfm["color"] =dfm["cluster2"]
dfm["color"] =dfm["color"].apply(lambdax:lst_colors[lst_elements.index(x)])

m=folium.Map(locatinotallow=[dfm.iloc[0].Latitude,dfm.iloc[0].Longitude], zoom_start=9)

forindex, rowindfm.iterrows():
folium.CircleMarker(locatinotallow=[float(row['Latitude']), float(row['Longitude'])],radius=4,popup=str(row['RepID']) +'|'+str(row.CustomerID),color=row['color'],fill=True,fill_color=row['color']
 ).add_to(m)

forindex, rowindf_clustercentroids.iterrows():
folium.Marker(locatinotallow=[float(row['Latitude']), float(row['Longitude'])],popup=str(index) +'|#='+str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0]),icnotallow=folium.Icon(color='black',icon_color=lst_colors[index]),tooltip=str(index) +'|#='+str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0])).add_to(m)

m

结果如下