pandas

数据去重：pd.Series(list(s)).unique() ，或者set()

DataFrame取行、列：数字、名称两种索引方式

取行

df[2:6]

df[:3]

名字：df.loc[“A”]、df.loc[“A”:"D"]、df.loc[[“A”,"D"]]

数字：df.iloc[1]、df.iloc[1:3]、df.iloc[[1,3]]

取列

df[[2,4,6]

df.loc[:,"Y"]、df.loc[:,"X":"Z"]、df.loc[:,["X","Z"]]

df.iloc[:,2]、df.iloc[:,2:6]、df.iloc[:,[2,6]]

同时取行，取列

df.loc["C","Y"]、df.loc["A":"C","X":"Z"]、df.loc[["A","C","E"],["W","Y"]]

df.iloc[2,2]、df.iloc[0:3,1:4]、df.iloc[[0,2,4],[0,2]]

DataFrame添加行、列

1.添加行有df.loc[]以及df.append()这两种方法

采用loc[]方法多适用于对空的dataframe循环遍历添加行，这样索引可以从0开始直到数据结果，不会存在索引冲突的问题。

# 构造一个空的dataframe
import pandas as pd
df = pd.DataFrame(columns=['name','number'])
# 采用.loc的方法进行
df.loc[0]=['cat', 3]  # 其中loc[]中需要加入的是插入地方dataframe的索引，默认是整数型
# 也可采用诸如df.loc['a'] = ['123',30]的形式

添加一行或合并两个dataframe，采用append()方法

# 1. 采用append方法合并两个dataframe
# 构造两个dataframe
df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
# 合并  ignore_index设置为 True可以重新排列索引
df.append(df2, ignore_index=True)
   A  B
0  1  2
1  3  4
2  5  6
3  7  8

# 2. 采用append方法添加多行
df = pd.DataFrame(columns=['A'])
for i in range(5):
    df = df.append({'A': i}, ignore_index=True)
df
   A
0  0
1  1
2  2
3  3
4  4
# 同样如果是遍历添加多行，有一种更高效的方法
pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)],
          ignore_index=True)
   A
0  0
1  1
2  2
3  3
4  4

df = df.append({'A': i}, ignore_index=True)

2.添加列有df[]和df.insert()两种方法

新增一列，采用df[]方法直接在列上操作（建议）

# 新建一个dataframe
df = pd.DataFrame(columns=['name','number'], data=[['cat',3]])
df
  name  number
0  cat       3
# 添加一列，计算有多少条腿
df['leg'] = df['number'] * 4
# 添加一列，直接赋值有几个头
df['head'] = 1
df 
  name  number  leg  head
0  cat       3   12     1

添加一列，采用insert()方法

# 使用方法是DataFrame.insert(loc, column, value, allow_duplicates=False)
# 即df.insert(添加列位置索引序号，添加列名，数值，是否允许列名重复)
df.insert(1, 'tail', 1, allow_duplicates=False)
df
  name  tail  number  leg  head
0  cat     1       3   12     1

分组聚合groupby

df.groupby(column2)

df.groupby([column1, column2])

groupby后生成字典

groups = dict(list(yolo_df.groupby(["name"])))

groupby后生成列表-数组

np_res = []
for i , content in yolo_df.groupby(["name"]):
np_res.append((np.array(content).astype("float")))

pandas ：DataFrame文件保存为.csv

import pandas as pd

dataframe_file.to_csv("file_path/file_name.csv", index=False)

df = pd.read_csv('file_path/file_name.csv')

标签：loc,name,df,DataFrame,pd,iloc,pandas
来源： https://www.cnblogs.com/killens/p/16303507.html