锐客网

  1. 首页 > it技术 > >

技巧 | 分享几个Pandas高效函数

Python

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=https://www.it610.com/article/df_dict)

技巧 | 分享几个Pandas高效函数
文章图片

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
文章图片

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
文章图片

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
文章图片

某列合并输出：
df1["name"].str.cat(sep='*'*5)

技巧 | 分享几个Pandas高效函数
文章图片

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
文章图片

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

技巧 | 分享几个Pandas高效函数
文章图片

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
文章图片

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
文章图片

筛选object列：
df1.select_dtypes(include=['object'])

技巧 | 分享几个Pandas高效函数
文章图片

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
文章图片

94分有三个，所以三个并列第2。
【技巧 | 分享几个Pandas高效函数】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

    推荐阅读


    上一篇：Kotlin invoke约定，让Kotlin代码更简洁

    下一篇：服务发现与配置管理高可用最佳实践