一些Python常用小技巧总结 |
您所在的位置:网站首页 › pandas列名重命名 › 一些Python常用小技巧总结 |
######导入 导出###############df=pd.read_excel('D:/1.xls')df.to_csv("D:/test.csv")#没有后缀的数据或奇怪的数据pd.read_table('C:/Users/fafa/Desktop/testA/user_data')pd.read_csv('testA/totalExposureLog.out',sep='\t',names=['ad_request_id','ad_request_time','ad_space_id','user_id','ad_id','Exposure_ad_size','bid','pctr','quality_ecpm','totalEcpm'],memory_map=True)#### 导入Excel的sheet ############# # 方法一:通过 index 指定工作表df3 = pd.read_excel(file_name, sheet_name=0) # 方法二:指定工作表名称df4 = pd.read_excel(file_name, sheet_name='Sheet1')#### 导出Excel的sheet ##############① 导出带有sheet的csv(只能有1个sheet)df1.to_csv("3.csv",mode='a',index=False)#② 导出带有sheet的excel## 命名待被导入的文件writer = pd.ExcelWriter("2.xlsx")## 命名待被导入的sheet ###df1.to_excel(writer,sheet_name='公司维度表',index=False)df2.to_excel(writer, sheet_name='货物维度表',index=False)writer.save()writer.close() #大文件分批读取并导出为多个小文件,方法2#或者可以快速做一个DataFramedf4 = pd.DataFrame({'col1':['1',3],'col2':[2,4]},index=['a','b']) #大文件导入导入数据,只选取前100行和特定几列。subset_columns = ['Job #', 'Doc #', 'Borough', 'Initial Cost', 'Total Est. Fee']df = pd.read_csv('文件路径', nrows=100, usecols=subset_columns)df.head() #################查看数据量#################df.describe()df.count()#二、查看数据常用方法#查看列名df.columns ################## 列名修改 索引修改 内容修改 数据类型转换 时间转换 ############### ##########给没有表头的数据补上列名 或者直接暴力更改列名##################df.columns=['广告id','创建时间','广告账户id','商品id','商品类型','广告行业id','素材尺寸']##########更改列名更改列名更改列名################dataA=df.rename(columns={"姓名":"最高分得主A","得分":"A题"})########选择需要的特征,更改列的顺序##############df1=df1[['广告id','创建时间','商品id', '商品类型', '广告行业id', '素材尺寸']] ######################### 关联两个表 merge ########################## df3=pd.merge(df1,df2,on='广告id')#########################合并两个表concat##############################把"赛题A"增到"A总"############df1=pd.read_excel('D:/电专编程大赛每日数据/编程大赛A题.xls',header=0)df2=pd.read_excel('D:/电专编程大赛每日数据/A总.xls',header=0)#合并每日新数据df1到总表df2:dfA=pd.concat([df1,df2]).drop_duplicates()#去重(按照ID)dfA=dfA.drop_duplicates("ID")#重置索引dfA=dfA.reset_index(drop=True)#导出总表dfA: dfA.to_excel("D:/电专编程大赛每日数据/A总.xls") ###########去重#####################df=df.drop_duplicates(["班级","姓名"])#按照某两列去重df=df.drop_duplicates()#完全相等的去重 ###############重置索引###############df=df.reset_index(drop=True) ################## 计时器 #######################################import timestarttime = time.time()#下面填写具体程序time.sleep(2.1)#延时2.1s#上面填写具体程序endtime = time.time()dtime = endtime - starttimeprint("程序运行时间:%.8s s" % dtime) #显示到微秒 ############################## 时间戳 ####################################首先调用包,创建时间戳列import pandas as pd df=pd.DataFrame({"时间戳":[1529648412,1529648412]}) #时间戳按照周期加减一天#比较好的参考 ###############①方法 时间戳(1529648412)列→(20180622) ##########################import timedf['时间'] = df['时间戳'] .apply(lambda x:time.strftime("%Y-%m-%d %H:%M:%S",time.localtime(x))) df###############②方法 时间戳(1529648412)列→(20180622)df['时间']=pd.to_datetime(df['时间戳'],unit='s') #→(2018-06-22 06:20:12)##(2018-06-22 06:20:12) → (2018-06-22)df=df.set_index('时间') #把时间设置为索引(为了转化)df["当日日期"]=df.index.date #转化为当日日期(2018-06-22)df=df.reset_index() ###############③方法 时间戳(1529648412)列→(20180622)################# Python 时间戳→当日/次日 日期 ######################## ####时间戳(1529648412)→(2018-06-22 06:20:12)→(2018-06-22)df['时间']=pd.to_datetime(df['时间戳'],unit='s')df=df.set_index('时间') #把时间设置为索引(为了转化)df["date"]=df.index.date #转化为日期(2018-06-22)df=df.reset_index() #####(2018-06-22)→年月日三列→(20180622)df["年"]=df["date"].map(str).str[0:4]df["月"]=df["date"].map(str).str[5:7]df["日"]=df["date"].map(str).str[8:]df["日期"]=df["年"].map(str)+df["月"]+df["日"]df #####时间戳(1529648412)列→年月日三列→为(20180622) (暂时行不通 )df['year'] =df['时间戳'].apply(lambda x: time.localtime(x).tm_year) df['month'] = df['时间戳'].apply(lambda x: time.localtime(x).tm_mon) df['day'] =df['时间戳'].apply(lambda x: time.localtime(x).tm_mday)#暂时行不通(2018+6+22): df3["创建日期"]=df3["year"].map(str)+df3["month"].map(str)+df3["day"].map(str) ###################④方法:任意时间格式→时间戳函数 from datetime import datetime#任意时间格式→时间戳函数def time2stamp(cmnttime): cmnttime=datetime.strptime(cmnttime,'%Y%m%d') #这里可以更改任意格式:'%Y-%m-%d %H:%M:%S' stamp=int(datetime.timestamp(cmnttime)) return stampdf['日期时间戳']=df['日期'].apply(time2stamp) ######################### 处理脏数据 ##########################################①找出一列中的不同元素,并按照最大值输出#####import pandas as pdimport numpy as npdf=pd.DataFrame({"id":["1","2","3,4"]})df#仅保留最大值def max_str(t): a=[int(i) for i in t] return max(a)df["id_max"]=df["id"].str.split(",").map(max_str)df############②找出一列中的不同元素,并按照最大值输出##### #清理带有“,”的脏数据 df2=df.astype(str)#令所有内容变成字符串#清理广告行业id的脏数据df3=df2[df2["广告行业id"].str.contains(",")]#包含逗号的数据L1=list(df3.广告行业id)#包含逗号的数据做成一个列表list1L2=list(df2.广告行业id)#全部数据做成一个列表list2L3=list(set(L2)^set(L1))#列表求差集的方法:去掉脏数据的正常数据集合df[df.广告行业id.isin(L3)]#isin()搜寻正常数据集合的最终结果#直接方法: ~isin()搜寻不包含异常值的最终结果df[~df.广告行业id.isin(L1)]############③找出一列中的不同元素,拆分输出#####import pandas as pddf=pd.DataFrame([["a","15"],["b,c","16"]],columns=["姓名","分数"])df.set_index("分数")["姓名"].str.split(",",expand=True).stack().reset_index(level=1,drop=True).reset_index(name="姓名")#############④处理空值NaN#######################import pandas as pd,numpy as np df=pd.DataFrame({'姓名':'张三 李四 王五 赵六 孙七 马八'.split(),'年龄':[18,np.nan,22,23,11,np.nan]})#找出空值 isnull() notnull()#填充空值NaN为0 或者其他df.fillna(0)#删去指定列空值所在行或列删除空值行(axis=0)或列(axis=0)df.dropna(axis=0, how="any", thresh=None, subset=None, inplace=False) #当然可以直接简写df.dropna()#删去指定列空值所在行df[np.isnan(df.年龄)==False ]#值替换 df.replace() #################### 条件筛选+分组统计 ##############################找出满足条件的数据(年月相同,曝光日为创建的第二日)df=df3[df3.创建日期.map(int)+1==df3.广告请求日期.map(int)] #统计"相同ID"和"创建时间"的数据计数 (按照"广告id" 和 "创建日期"分组并计数) 即"次日曝光量"df['次日曝光量']=df.groupby(['广告id','创建日期'])['广告id'].transform(len)#方法二counts=df.groupby(['id','日期']).size() #获得'id' '日期' "次日曝光量" 三列 这样的表countscounts=df.reset_index(name='label') #重置索引(否则表头高度不一致)df=df.merge(counts,how='inner',on=['id','日期'])#按照两列关联到一起,即得到“日曝光量”这一列 #按照max得分统计队伍data2=data.groupby(["队伍名称"],as_index=False)["得分"].max()#按照sum得分统计队伍 data2=data.groupby(["队伍"],as_index=False)["得分"].sum() #按照 个数 统计 队伍 data.groupby(["队伍"]).size() #增加一列 求和 df["总分"]=df.sum(axis=1)#排序(按照最终分数) df=df.sort_values(by="总分",ascending=False) #让索引从1开始df.index = df.index+1 ############## 像excel一样操作 按照某种条件 增加一列 ①############def F(a): if a[1]a[2]: s='乙' return sdf["完成人"]=[F(df.iloc[i]) for i in range(len(df.index))] ############ 像excel一样操作 按照某种条件 增加一列 ② IF函数 #####对应的Excel语言: =IF(条件,分支1,分支2)df1['category'] = np.where(df1['total'] > 200000, 'A', 'B') # 提取前2位 到新的一列# df[b] = df[a].apply(lambda x : x[:2]) 题目:[1,2,3,1,1,1,0,0,0,2,2,2,1,1,1,1,1]中 求出最长的连续序列个是1 个数是5 import pandas as pddf=pd.DataFrame({"in":[1,2,3,1,1,1,0,0,0,2,2,2,1,1,1,1,1]})df["out"]=df["in"].groupby((df["in"]!=df["in"].shift()).cumsum()).cumcount()+1df[df["out"]>4] 1. list1 = [1,2,3] 2. list2 = [3,4,5] 3. set1 = set(list1) # 去重 4. set2 = set(list2) # 去重 5. print(set(1)&set(2)) #交集 6. print(set(1)^set(2)) #补集 7 set(1)-set(2) groupby, agg, apply用法 def func(x): if x>20: return '20+k' else: return '0-20k' position.apply(lambda x:func(x.avg),axis=1).head() 《pandas.apply实测使用方法》https://blog.csdn.net/weixin_39757737/article/details/78698316 If you are interested in this topic.You can get in touch with me.18234056952(Tel wechat qq) |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |