pandas常用操作二——关于列

参考链接：http://pandas.pydata.org/pandas-docs/stable/tutorials.html

• df_data = pd.read_csv(path + '\\' + deletefile, sep=',')#以分隔符逗号读取数据

• data_type = df_data.dtypes #各个列数据类型

• data_bug_type = df_data.bug.dtypes #bug列数据类型
•  
• bug_value = df_data.xs('bug', axis=1) #选择某列（'bug'）
• df_data.[['Rev', 'test']]#选择某两列

• project = df_data['project'] #选择某列，返回Series,如果列索引不存在,会报错
• Sorted = df.sort_values(['Births'], ascending=False) # 针对数据类型为int64的某列求最大值：对其进行排序，且由大到小 然后，Sorted.head(1) # 取第一个值（最大值）

• df_data['Births'].max() #求某列的最大值（针对数据类型为int64的某列）
• # Lets add a couple of columns
  • df_data['test'] = 3
  • df_data['col'] = df_data['Rev'] #添加一列col，和已有Rev列相同，添加到test后面

• bug_only = df_data[['bug']].copy() #创建一个DF，只有bug列，即复制bug列
• bug_only.loc[:, 'Bug'] = project #文件末列添加新的列
• df_data.insert(0, 'project', 'lucene') #在第1列插入名为‘project’，内容为lucene的列（内容这样写不知是否正确）
• bug = df_data.bug #选择某列
• stats = pd.concat(['project, bug], axis=1) # 将列version和列bug合并成一个新的DataFame
  • combined = pd.concat([ALL,BHAG], axis=0) #合并
  • combined = combined.sort_index(axis=0) #按行索引排序
  • combined.groupby(lambda x: x.year).max() #按年份分组，并求数据的最大值
• stats.plot(kind='bar') #两个图画在同一个图中
• stats.plot(kind='bar', subplots=True, figsize=(15, 10)) #两个图上下分开显示
• df_data.reset_index().groupby(['State','StatusDate']).sum() #将某两列作为索引重新编号，并按索引求和对应的数据，reset_index函数将把索引StatusDate带回dataframe中的一个列。？？？
• df_data['Customer'].groupby(df_data.index.get_level_values(1)).sum()#将df_data['Customer']按照df_data的多个行索引的第二个索引的值分组，并将索引相同的对应数据求和。
• columns_name = df_data.columns #列索引
• df_data.drop(axis=1, ['name']) #删除某列
• del df_data['Status']#删除某列
• df_data.dropna(axis=1, how='any') #只要列中有null值，即删除
• df_data.bug.apply(lambda x: x.upper()) #选择某列（bug）中所有的大写字母
• df_data[df_data.bug!=0] = 1 #将某列（bug）中数值不为0的数据修改为1
• is_lucene = df_data['project'].str.contains('lucene') #某列如果是str形式，可以判断列中是否包含某字符串，返回True和False。注意，如果该列名不存在，会报KeyError错误。
• is_lucene.astype(float) #将True和False换成0和1表示。
• is_lucene.astype(float).resample('M', how=np.mean) #找到每月（“M”）是lucene的概率，注意resample的用法（对常规时间序列数据重新采样），how=np.median是求中位数。

• 参考链接：http://pandas.pydata.org/pandas-docs/stable/tutorials.html

  由于笔者也是初学者，希望记录分享，以便方便学习，如有错误，欢迎批评指正，谢谢！