>>> 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