Pandas之DataFrame，快速入门，迅速掌握（三）

pd.merge(left, right, how=‘inner’, on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=(‘_x’, ‘_y’), copy=True, indicator=False) copy=True表示复制一个，False表示原值替换，修改原数据

df1 = pd.DataFrame({‘key’: [‘K0’, ‘K1’, ‘K2’, ‘K3’],
‘A’: [‘A0’, ‘A1’, ‘A2’, ‘A3’],
‘B’: [‘B0’, ‘B1’, ‘B2’, ‘B3’]})
df2 = pd.DataFrame({‘key’: [‘K0’, ‘K1’, ‘K2’, ‘K3’],
‘C’: [‘C0’, ‘C1’, ‘C2’, ‘C3’],
‘D’: [‘D0’, ‘D1’, ‘D2’, ‘D3’]})
df3 = pd.DataFrame({‘key1’: [‘K0’, ‘K0’, ‘K1’, ‘K2’],
‘key2’: [‘K0’, ‘K1’, ‘K0’, ‘K1’],
‘A’: [‘A0’, ‘A1’, ‘A2’, ‘A3’],
‘B’: [‘B0’, ‘B1’, ‘B2’, ‘B3’]})
df4 = pd.DataFrame({‘key1’: [‘K0’, ‘K1’, ‘K1’, ‘K2’],
‘key2’: [‘K0’, ‘K0’, ‘K0’, ‘K0’],
‘C’: [‘C0’, ‘C1’, ‘C2’, ‘C3’],
‘D’: [‘D0’, ‘D1’, ‘D2’, ‘D3’]})
print(pd.merge(df1, df2, on=‘key’))
print(‘------’)

print(pd.merge(df3, df4, on=[‘key1’,‘key2’]))

print(pd.merge(df3, df4,on=[‘key1’,‘key2’], how = ‘inner’))
print(‘------’)

print(pd.merge(df3, df4, on=[‘key1’,‘key2’], how = ‘outer’))
print(‘------’)

print(pd.merge(df3, df4, on=[‘key1’,‘key2’], how = ‘left’))
print(‘------’)

print(pd.merge(df3, df4, on=[‘key1’,‘key2’], how = ‘right’))

s = pd.Series([1,1,1,1,2,2,2,3,4,5,5,5,5])
print(s.duplicated())
print(s[s.duplicated() == False])
print(‘-----’)

s_re = s.drop_duplicates()
print(s_re)
print(‘-----’)

df = pd.DataFrame({‘key1’:[‘a’,‘a’,3,4,5],
‘key2’:[‘a’,‘a’,‘b’,‘b’,‘c’]})
print(df.duplicated())
print(df[‘key2’].duplicated())
Dataframe中使用duplicated
 

s = pd.Series(list(‘ascaazsd’))
print(s.replace(‘a’, np.nan))
print(s.replace([‘a’,‘s’] ,np.nan))
print(s.replace({‘a’:‘hello world!’,‘s’:123}))

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

df = pd.DataFrame({‘A’ : [‘foo’, ‘bar’, ‘foo’, ‘bar’,‘foo’, ‘bar’, ‘foo’, ‘foo’],
‘B’ : [‘one’, ‘one’, ‘two’, ‘three’, ‘two’, ‘two’, ‘one’, ‘three’],
‘C’ : np.random.randn(8),
‘D’ : np.random.randn(8)})
print(df)
print(‘------’)

print(df.groupby(‘A’), type(df.groupby(‘A’)))
print(‘------’)

a = df.groupby(‘A’).mean() B列有字母，这样写报错
b = df.groupby([‘A’,‘B’]).mean()
c = df.groupby([‘A’])[‘D’].mean() # 以A分组，算D的平均值

print(a,type(a),‘\n’,a.columns)
print(b,type(b),‘\n’,b.columns)
print(c,type©)

df = pd.DataFrame({‘data1’:np.random.rand(5),
‘data2’:np.random.rand(5),
‘key1’:list(‘aabba’),
‘key2’:[‘one’,‘two’,‘one’,‘two’,‘one’]})

print(df.groupby(‘key1’).apply(lambda x: x.describe()))

def f_df1(d,n):
return(d.sort_index()[:n])
def f_df2(d,k1):
return(d[k1])
print(df.groupby(‘key1’).apply(f_df1,2),‘\n’)

to_csv()函数是DataFrame对象的一个方法，可以通过如下方式调用：
DataFrame.to_csv(path_or_buf=None, sep=‘,’, na_rep=‘’, float_format=None, columns=None, header=True, index=True, index_label=None, mode=‘w’, encoding=None, compression=‘infer’, quoting=None, quotechar=‘"’, line_terminator=None, chunksize=None, date_format=None, doublequote=True, escapechar=None, decimal=‘.’)

path_or_buf：指定要保存CSV文件的路径或文件对象。默认为None，表示将数据保存为一个字符串并返回，而不是保存为文件。
sep：指定CSV文件的分隔符，默认为逗号",“。
na_rep：指定在CSV文件中如何表示缺失值，默认为空字符串”“。
float_format：指定浮点数的输出格式，默认为None，表示使用默认的浮点数格式。
columns：指定要保存的列，默认为None，表示保存所有列。
header：指定是否将列名保存到CSV文件中，默认为True。
index：指定是否保存行索引，默认为True。
index_label：指定行索引的名称，默认为None。
mode：指定打开文件的模式，默认为’w’，表示写入模式。
encoding：指定保存CSV文件时使用的编码，默认为None，表示使用系统默认编码。
compression：指定保存CSV文件时使用的压缩格式，默认为’infer’，表示自动选择压缩格式。
quoting：指定在CSV文件中如何引用非数值类型的数据，默认为None，表示不引用。
quotechar：指定在CSV文件中引用数据时使用的字符，默认为双引号’”‘。
line_terminator：指定CSV文件中行的终止符，默认为None，表示使用系统默认终止符。
chunksize：指定每次写入文件的行数，默认为None，表示一次性写入整个DataFrame。
date_format：指定日期格式，默认为None，表示使用默认的日期格式。
doublequote：指定在CSV文件中如何处理引号，默认为True，表示将双引号转义为两个双引号。
escapechar：指定在CSV文件中如何处理转义字符，默认为None，表示不进行转义处理。
decimal：指定浮点数的小数点符号，默认为’.’。