pandas是數據科學家必備的數據處理庫，我們今天總結了10個在實際應用中肯定會用到的技巧。

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

使用AND或OR選擇子集：

dfb=df.loc[(df.Week==week)&(df.Day==day)]
OR的話是這樣dfb=df.loc[(df.Week==week)|(df.Day==day)]

2、Select where in

從一個df中選擇一個包含在另外一個df的數據，例如下面的sql

select*fromtable1wherefield1in(selectfield1fromtable2)

我們有一個名為“days”的df，它包含以下值。

如果有第二個df:

可以直接用下面的方式獲取

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

3、Select where not in

就像IN一樣，我們肯定也要選擇NOT IN，這個可能是更加常用的一個需求，但是卻很少有文章提到，還是使用上面的數據：

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

使用~操作符就可以了

4、select sum(*) from table group by

分組統計和求和也是常見的操作，但是使用起來并不簡單：

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

如果想保存結果或稍后使用它們并引用這些字段，請添加 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、從一個表更另外一個表的字段

我們從一個df中更改了一些值，現在想要更新另外一個df，這個操作就很有用。

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

這里的更新是通過索引匹配的。

6、使用apply/lambda創建新字段

我們創建了一個名為address的新字段，它是幾個字段進行拼接的。

dfa['address']=dfa.apply(lambdarow:row['StreetName']+','+
row['Suburb']+','+str(row['PostalCode']),axis=1)

7、插入新行

插入新數據的最佳方法是使用concat。我們可以用有pd. datafframe .from_records一將新行轉換為df。

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

8、更改列的類型

可以使用astype函數將其快速更改列的數據類型

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

9、刪除列

使用drop可以刪除列：

defcleanColumns(df):
forcolindf.columns:
ifcol[0:7]=="Unnamed":
df.drop(col,inplace=True,axis=1)
returndf

10、地圖上標注點

這個可能是最沒用的技巧，但是他很好玩

這里我們有一些經緯度的數據：

現在我們把它根據經緯度在地圖上進行標注：

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(location=[dfm.iloc[0].Latitude,dfm.iloc[0].Longitude],zoom_start=9)

forindex,rowindfm.iterrows():
folium.CircleMarker(location=[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(location=[float(row['Latitude']),float(row['Longitude'])],popup=str(index)+'|#='+str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0]),icon=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

結果如下：

審核編輯 ：李倩