技巧 | 分享几个Pandas高效函数

大家好~

本期给大家推荐几个pandas高效数据处理函数(持续更新),希望对你有所帮助:

  1. 字典创建Dataframe
  2. 列拆分(split/extract)
  3. 列合并(cat)
  4. 左右填充(pad)
  5. 根据类型筛选列(select_dtypes)
  6. 排序(rank)

1. 字典创建Dataframe

df_dict = {'name':['Alice_001','Bob_002','Cindy_003','Eric_004','Helen_005','Grace_006'],'sex':['female','male','female','male','female','male'],'math':[90,89,99,78,97,93],'english':[95,94,80,94,94,90]}
#[1].直接写入参数test_dict
df = pd.DataFrame(df_dict)
#[2].字典型赋值
df = pd.DataFrame(data=df_dict)

技巧 | 分享几个Pandas高效函数_第1张图片

2. 列拆分(split/extract)

字符拆分:

df1[['name', 'id']] = df1['name'].str.split('_', 2, expand = True)

技巧 | 分享几个Pandas高效函数_第2张图片

正则表达式拆分:

df2 = df.copy()
df2['name2'] = df2['name'].str.extract('([A-Z]+[a-z]+)')
df2['id2'] = df2['name'].str.extract('(\d+)')

技巧 | 分享几个Pandas高效函数_第3张图片

3. 列合并(cat)

自定义连接符:

df1["name_id"] = df1["name"].str.cat(df1["id"],sep='_'*3)

技巧 | 分享几个Pandas高效函数_第4张图片

某列合并输出:

df1["name"].str.cat(sep='*'*5)

图片

4. 左右填充(pad)

左填充:

df1["id"] = df1["id"].str.pad(10,fillchar="*") 
# 相当于ljust()
df1["id"] = df1["id"].str.rjust(10,fillchar="*")

技巧 | 分享几个Pandas高效函数_第5张图片

右填充:

df1["id"] = df1["id"].str.pad(10,side="right",fillchar="*")

技巧 | 分享几个Pandas高效函数_第6张图片

两侧填充:

df1["id"] = df1["id"].str.pad(10,side="both",fillchar="*")

技巧 | 分享几个Pandas高效函数_第7张图片

5. 根据类型筛选列(select_dtypes)

筛选数值列:

df1.select_dtypes(include=['float64', 'int64'])

技巧 | 分享几个Pandas高效函数_第8张图片

筛选object列:

df1.select_dtypes(include=['object'])

技巧 | 分享几个Pandas高效函数_第9张图片

6. 排序(rank)

英语成绩排名:

df1['e_rank'] = df1['english'].rank(method='min',ascending=False)

技巧 | 分享几个Pandas高效函数_第10张图片

94分有三个,所以三个并列第2。

以上就是本期为大家整理的全部内容了,赶快练习起来吧,喜欢的朋友可以!点赞、点在看可以分享让更多人知道

你可能感兴趣的