【Python】常用python數據處理方法整合

常用python數據處理方法整合

dataframe格式的數據處理工作，有很多常用的也比較巧妙的小方法，現總結下，方便理解應用。

字段重命名：

df.rename(columns = {'A':'B'})

按字段排序：

df.sort_values(by = 'A',asending = Flase) #逆序選擇

重設索引列：

df.reset_index(drop=True)

選取行：

df = df.loc[df['A'] == 'cutoff',]
df = df[df['A'].notnull()

numpy字段元素級處理：

df['A'].apply(lambda x: x.strftime("%Y-%m-%d" ))
df['A'] = rule_monitor[['B','C']].apply(lambda x: float('{x:.2f}'.format(x = (x['A'] / x['B'])*100)  if x['B'] > 0 else '0.00'),axis = 1 )

依據字段數據新增字段：

df['B'] = np.where(df['A'].str.contains('str'),1,0)

新建Dataframe，並且添加數據：

df1 = pd.DataFrame()
df2 = pd.DataFrame()
df1 = df1.append(df2)

分組：

grp1 = df.groupby(['code'])['code'].agg([pd.Series.count]).reset_index().rename(columns={'count':'nameA','code':'nameB'})

匹配：

df = pd.merge(df1,df2,left_on = 'rule_id',right_on = 'rule_ID',how = 'left') 

缺失值填充：

df.fillna(0)