大家好，我是欧K~
本期再给大家推荐几个pandas高效数据处理函数(持续更新)，希望对你有所帮助：目录
1. 一行数据展开成多行（explode）
2. 多行数据合并成一行
3. 列依次的累加（cumsum）
4. 分组统计生成新的Dataframe
5. 指定位置插入列（insert）
6. 列条件替换（where）
示例数据：
df2 = pd.DataFrame({'id':['a','b','a','c'], 'data_1':[3,7,[1,4,5],9], 'data_2':[1,1,1,1]})
1. 将一行数据展开成多行（explode）
列表展开：
df2.explode('data_1').reset_index(drop=True)
2. 多行数据合并成一行
按id合并：
df2.groupby(['id']).agg({'data_1': [', '.join],'data_1': lambda x: list(x)}).reset_index()
3. 列依次的累加（cumsum）
类似打卡记录：
df2['data_cumsum'] = df2[['data_2','id']].groupby('id').cumsum()
4. 分组统计生成新的Dataframe
按id分组：
df2.groupby('id')['data_2'].count().to_frame('数量').reset_index()
5. 指定位置插入列（insert)
在第三列位置插入新列（从0开始计算）：
new_col = np.random.randint(1,10,size=6) df2.insert(1, 'data_0', new_col)
6. 列条件替换（where）
指定列小于5的值替换成0：
df2['data_1'] = df2['data_1'].where(df2['data_1'] > 5 , 0)
END
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
也可以分享让更多人知道
