数据转换
删除重复元素
DataFrame对象的duplicated()函数可用来检测重复的行,返回元素为布尔型的Series对象。 每个元素对
应一行,如果该行与其他行重复(也就是说该行不是第一次出现),则元素为True; 如果跟前面不重复,则元
素就为False。
返回元素为布尔值的Series对象用处很大,特别适用于过滤操作。通常,所有重复的行都需要从DataFrame
对象中删除。pandas库的drop_duplicates()函数实现了删除功能,该函数返回的是删除重复行后的DataFmme对
象。
1 dframe = pd.DataFrame({ ‘color‘: [‘white‘,‘white‘,‘red‘,‘red‘,‘white‘],‘value‘: [2,1,3,3,2]}) 2 print(dframe) 3 print(dframe.duplicated()) 4 # 返回元素为布尔值的Series对象用处很大,特别适用于过滤操作。 5 print( dframe[dframe.duplicated()]) 6 print(dframe.drop_duplicates()) 7 输出: 8 color value 9 0 white 2 10 1 white 1 11 2 red 3 12 3 red 3 13 4 white 2 14 0 False 15 1 False 16 2 False 17 3 True 18 4 True 19 dtype: bool 20 color value 21 3 red 3 22 4 white 2 23 color value 24 0 white 2 25 1 white 1 26 2 red 3
用映射替换元素
要用新元素替换不正确的元素,需要定义一组映射关系。在映射关系中,旧元素作为键,新元素作为值。
DataFrame对象中两种旧颜色被替换为正确的元素。还有一种常见情况,是把NaN替换为其他值,比如0。
这种情况下,仍然可以用replace()函数,它能优雅地完成该项操作。
1 frame8 = pd.DataFrame({ 2 ‘item‘: [‘ball‘, ‘mug‘, ‘pen‘, ‘pencil‘, ‘ashtray‘], 3 ‘color‘: [‘white‘, ‘rosso‘, ‘verde‘, ‘black‘, ‘yellow‘], 4 ‘price‘: [5.56, 4.20, 1.30, 0.56, 2.75] 5 }) 6 print(frame8) 7 newcolors = { 8 ‘rosso‘: ‘red‘, 9 ‘verde‘: ‘green‘ 10 } 11 print(frame8.replace(newcolors)) 12 13 ser = pd.Series([13, np.nan, 4, 6, np.nan, 3]) 14 print(ser.replace(np.nan, 0))
输出结果:
用映射添加元素
下面只是部分功能的展示,详情请参考官方文档。
1 frame9 = pd.DataFrame({ 2 ‘item‘:[‘ball‘,‘mug‘,‘pen‘,‘pencil‘,‘ashtray‘], 3 ‘color‘:[‘white‘,‘red‘,‘green‘,‘black‘,‘yellow‘] 4 }) 5 print(frame9) 6 price = { 7 ‘ball‘ : 5.56, 8 ‘mug‘ : 4.20, 9 ‘bottle1‘ : 1.30, 10 ‘scissors‘ : 3.41, 11 ‘pen‘ : 1.30, 12 ‘pencil‘ : 0.56, 13 ‘ashtray‘ : 2.75 14 } 15 frame9[‘price‘] = frame9[‘item‘].map(price) # 这里是按‘item’的对应关系添加 16 print(frame9)
输出结果:
官方文档案例:
1 df = pd.DataFrame({ 2 ‘A‘: [‘bat‘, ‘foo‘, ‘ibat‘], 3 ‘B‘: [‘abc‘, ‘bar‘, ‘xyz‘] 4 }) 5 # r‘^ba.$‘是匹配最后三个字符中前面量为ba的;$匹配结尾的 6 print(df.replace(to_replace=r‘^ba.$‘, value=‘new‘, regex=True))
输出结果:(上面关于正则的知识点请点击参考博客)
重命名轴索引
原文地址:https://www.cnblogs.com/dan-baishucaizi/p/9413165.html
时间: 2024-10-08 04:23:44