大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章给大家分享的是有关dataframe如何设置两个条件取值的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
专业从事成都网站设计、网站制作,高端网站制作设计,微信小程序,网站推广的成都做网站的公司。优秀技术团队竭力真诚服务,采用H5建站+CSS3前端渲染技术,成都响应式网站建设公司,让网站在手机、平板、PC、微信下都能呈现。建站过程建立专项小组,与您实时在线互动,随时提供解决方案,畅聊想法和感受。如下所示:
>>> 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 >>>
根据index和columns取值
>>> s = df.loc[0,'price'] >>> s 11
根据同行的columns的值取同行的另一个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
根据条件同时取得多个值
>>> name,price = df.loc[df.classes==1,('name','price')].values[0] >>> name 'a' >>> price 11 >>>
对一列赋值
>>> df.loc[: , 'price']=0 >>> df classes name price 0 1 a 0 1 2 a 0 2 3 b 0 3 4 b 0 >>>
对df的一个列进行函数运算
【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 >>>
对df的几个列进行函数运算
【1】 >>> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x)) >>> print(type(df.loc[0, "classes"]))>>> 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"])) >>> print(df.loc[0, "classes"]) 1 >>>
对两个列进行去重
>>> 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
多个条件分割字符串
>>> fund_memeber = '赵四、 王五' >>> fund_manager_list = re.split('[;, 、]', fund_memeber) >>> fund_manager_list ['赵四', '', '王五'] #DataFrame构造器 >>> df = DataFrame({'x':[1],'y':[2]}) >>> df x y 0 1 2 >>>
删除某列值为特定值得那一行
>>> 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) #筛选df的每列值包含某个字段‘/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 >>>
把列变成index和把index变成列
df request_url visit_times 9 fofeasy_产品基本信息 7 8 投顾挖掘 6 5 投顾挖掘 5 6 投顾挖掘 5 7 fofeasy_产品基本信息 5 3 fofeasy_产品基本信息 4 4 fofeasy_产品基本信息 4 2 投顾挖掘 2 0 行业数据——其他 1 1 行业数据——其他 1 x = df.set_index('request_url') x visit_times request_url fofeasy_产品基本信息 7 投顾挖掘 6 投顾挖掘 5 投顾挖掘 5 fofeasy_产品基本信息 5 fofeasy_产品基本信息 4 fofeasy_产品基本信息 4 投顾挖掘 2 行业数据——其他 1 行业数据——其他 1 x.reset_index('request_url') request_url visit_times 0 fofeasy_产品基本信息 7 1 投顾挖掘 6 2 投顾挖掘 5 3 投顾挖掘 5 4 fofeasy_产品基本信息 5 5 fofeasy_产品基本信息 4 6 fofeasy_产品基本信息 4 7 投顾挖掘 2 8 行业数据——其他 1 9 行业数据——其他 1
pandas 按照列A分组,将同一组的列B求和,生成新的Dataframe
>>>df.groupby(by=['request_url'])['visit_times'].sum() >>> request_url fofeasy_产品基本信息 20 投顾挖掘 18 行业数据——其他 2 Name: visit_times, dtype: int64
dict变成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
感谢各位的阅读!关于“dataframe如何设置两个条件取值”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。