一分钟一个Pandas小技巧（一）
在逛Kaggle的时候发现了一篇不错的Pandas技巧，我将挑选一些有用的并外加一些自己的想法分享给大家。
本系列虽基础但带仍有一些奇怪操作，粗略扫一遍，您或将发现一些您需要的技巧。
原网址：kaggle
纸上得来终觉浅，绝知此事要躬行，所谓的熟练使用Pandas是建立在您大致了解每个函数功能上，希望本系列能给您带来些许收获。
本篇所涉及知识点：
- 创建测试数据
- 行列索引设置
- 行列索引切片查询
- 统计函数
- 缺失值处理
- 显示维度过多数据
创建测试数据
Pandas自带的函数，避免了自己手写测试数据的痛苦。
索引设置
重命名索引
使用rename()可以对索引/列进行重命名，使用赋值的方法必须写出所有的列名，所以推荐rename()。
图中出现的axis=1是指列方向上进行操作，axis=0是行。这个很好记忆，只要想着1->竖的->列，那另一个0自然就是行了。
列索引添加前后缀
这个功能比较少用。
索引位置修改
修改列的位置其实就是通过列名进行索引，然后将查询返回的值赋值给原来的df就完成了列位置修改。
删除列
删除列，能少一行代码是一行。drop,del,pop任你选。
巧妙使用F-String创建列
“”.format()也是不错的选择。
日期时间索引
日期索引可以玩出很多花式索引。
| 属性 | 说明 |
|---|---|
| year | datetime 的年 |
| month | datetime 的月 |
| day | datetime 的日 |
| hour | datetime 的小时 |
| minute | datetime 的分钟 |
| second | datetime 的秒 |
| microsecond | datetime 的微秒 |
| nanosecond | datetime 的纳秒 |
| date | 返回 datetime.date（不包含时区信息） |
| time | 返回 datetime.time（不包含时区信息） |
| timetz | 返回带本地时区信息的 datetime.time |
| dayofyear | 一年里的第几天 |
| weekofyear | 一年里的第几周 |
| week | 一年里的第几周 |
| dayofweek | 一周里的第几天，Monday=0, Sunday=6 |
| weekday | 一周里的第几天，Monday=0, Sunday=6 |
| weekday_name | 这一天是星期几 （如，Friday） |
| quarter | 日期所处的季节：Jan-Mar = 1，Apr-Jun = 2 等 |
| days_in_month | 日期所在的月有多少天 |
| is_month_start | 逻辑判断是不是月初（由频率定义） |
| is_month_end | 逻辑判断是不是月末（由频率定义） |
| is_quarter_start | 逻辑判断是不是季初（由频率定义） |
| is_quarter_end | 逻辑判断是不是季末（由频率定义） |
| is_year_start | 逻辑判断是不是年初（由频率定义） |
| is_year_end | 逻辑判断是不是年末（由频率定义） |
| is_leap_year | 逻辑判断是不是日期所在年是不是闰年 |
有时候，我们拿到的数据不一定是一列时间数据，而是分开的，我们就可以做如下操作，合并多列为DatetimeIndex。
索引查询
单标签索引
切片
df.iloc[x1:x2:x3,y1:y2:y3]指的是搜索[x1,x2)行，间隔x3行（x3默认为1），搜索[y1,y2)列，间隔y3列（y3默认为1）。
loc/iloc/ix
loc,iloc,ix都是用来索引的，只是使用方式略有不同。
loc,iloc,ix的区别:
- loc是根据行列标签来进行索引
- iloc是根据位置来查询的，即行号列号
- ix是混合查询，即可以通过行列号也可以通过行列标签索引，但是要注意，行索引必须是行标签而不能是行号，列索引可以是列标签也可以是列号
我个人更喜欢用ix，虽然官方文档有写从Pandas 0.20.0起，这个方法将被弃用，但我用的版本是0.25.3，这个方法却仍然适用，只是会报错误警告。
官方推荐使用更为严谨的索引方式，即标签索引用loc，定位索引用iloc
at/iat
[]索引会消耗更多的资源来判断你需要的是什么，如果你只想查询某一个值，可以直接用at/iat，使用方式类似于loc/iloc。
at/iat只能使用标签/位置作为参数，不能使用切片":"。
实际测试下来同样取单个值at/iat和loc/iloc仅仅相差1ms（仿佛在逗我）。
所以，还是用loc/iloc/ix吧，记太多麻烦。
布尔索引（复杂索引）
Pandas的判断符号:
- &与，两者同时满足
- |或，两者满足其一即可
- ~非，满足条件的相反情况
- 切记’==‘判断是否相等，’='是赋值
使用多个条件进行过滤时，每个条件都需要用圆括号括起来
如果过滤条件过多我们可以将代码进行修改。 例如现在我要查询2020年1月份上海的销量。
上述方法适用于过滤条件很多很多的时候，不然，没啥必要。
快速计算离散值百分比
value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)
| 参数 | 说明 |
|---|---|
| normalize | 默认false，如为true，则以百分比的形式显示 |
| sort | 默认True,根据ascengding排序排序 |
| ascending | 默认False，根据计数降序排列 |
| dropna | 默认True，删除np.nan |
| bins | 默认None,类似于qcut,输入数值自动分桶 |
常见统计函数
| 方法名 | 函数功能 |
|---|---|
| sum() | 计算数据样本的总和（按列计算） |
| mean() | 计算数据样本的算术平均数 |
| var() | 计算数据样本的方差 |
| std() | 计算数据样本的标准差 |
| corr() | 计算数据样本的Spearman（Pearman）相关系数矩阵 |
| cov() | 计算数据样本的协方差矩阵 |
| skew() | 样本值的偏度（三阶矩） |
| kurt() | 样本值的峰度（四阶矩） |
| describe() | 给出样本的基本描述（基本统计量如均值、标准差等） |
统计函数返回的是一个值，并不是列。
缺失值处理
处理缺失值的方法为：删除、填补、不处理。
更多的情况下我们根据缺失数值列的数据类型来判断处理方式:
- 缺失数据为连续性数据时，常采用均值填补
- 缺失数据为离散性数据时，常采用众数填补
- 机器学习，通过其他数据来拟合填补缺失值
判断空值的函数有isin(),isna(),isnull()（isnull()其实是isna()的别称）
判断两列是否相等。
缺失值填补。
显示维度过多的数据
jupyter默认设置显示行数列数太少，当维度太多时，常常会出现…省略，所以下面给出两种方式。
- 修改配置文件
- 使用转置
str = “自从关注了这个公众号，我的追求者排队到五环开外{}！”
str.format(,做梦)
后台回复“pandas1”即可获取源码及数据哦！