數值替換

1v1替換

df.replace('張天福','張三丰')

1對多替換

df.replace([269,365,456],211)

多對多

df.replace({1029:999,345:456})

區間替換

#apply把金額中>1000=>999,<500=>499

數值排序

指定行排序

#sort_values
df.sort_values(by='消費金額',ascending=True)#ascending升降序
df.sort_values(by=['消費金額','年齡'],ascending=[True,False])

行index

df.sort_index(ascending=False)
 

資料刪除

dropna

df.dropna()

列刪除

#drop
df.drop(['消費金額','年齡'],axis=1)

列索引刪除

df.drop(df.columns[[2,3]],axis=1)
df.drop(df.columns[1:4],axis=1)

行刪除

df.drop([0,2,3])
df.drop(df.index[1:4])
df.drop(['one','two','three'])

數值插入

行插入

#insert
df.insert(2,'新列',[i for i in range(10)])
df['新的一列']=['新加列'for _ in range(10)]
 

分組列

bins=[0,1000,1500,3000]
lab=['1000以下','1000-1500','1500+']
df['使用者標籤']=pd.cut(df['消費金額'],bins,labels=lab)

apply

#apply用於Series
df['消費金額']=df['消費金額'].apply(lambda x:str(x)+'元')

applymap

df.applymap(lambda x:str(x)+'ok')