[PYTHON] Dies und das über pd.DataFrame

Einführung

Ein Memo über pandas.DataFrame (pd.DataFrame).

DataFrame-Initialisierung

#Leeren Sie den DataFrame
df = pd.DataFrame(columns=[Liste der Spaltennamen])

#Holen Sie sich aus der CSV-Datei
df = pd.read_csv([Dateipfad])
df = pd.read_csv([Dateipfad], names=[Liste der Spaltennamen])  #Ohne Header
df = pd.read_csv([Dateipfad], sep=',')  #Bei Angabe eines Trennzeichens
df = pd.read_csv([Dateipfad], delim_whitespace=True)  #Für Leerzeichen
df = pd.read_csv([Dateipfad], comment='#')  #Beim Einfügen von Kommentartext

Referenz: CSV / TsV-Datei mit Pandas lesen (read_csv, read_table)

Hinzufügen eines Wörterbuchs zu DataFrame

df = df.append([Wörterbuch], ignore_index=True)

Beachten Sie, dass im Gegensatz zu `append in der Liste df.append () `` den DataFrame nicht aktualisiert.

Extrahieren Sie Elemente aus DataFrame

#     'a' 'b'
# 0 |  1   2
# 1 |  3   4

#Element abrufen
df.loc[0,'a'] # -> 1

#Holen Sie sich Reihe
dist(df.loc[0,:]) # -> {'a':1, 'b':2}

#Spalte abrufen
list(df.loc[:,'a']) # -> [1, 3]

Referenz: Abrufen / Ändern des Werts einer Position mit Pandas unter, iat, loc, iloc

Extrahieren Sie Zeilen, die die Bedingungen erfüllen, aus DataFrame

#Einfache Bedingungen
df = df[df['num']>0]
df = df[df['str']=='Yes']
df = df[df['str'].isin(['Yes', 'No'])]  #Wenn es mehrere Kandidaten gibt

#Bedingung in Bezug auf die Zeichenfolge (wenn sie den fehlenden Wert NaN enthält)'na=False'Zu den Optionen)
df = df[df['str'].str.startswith('Y')]  #Erste Zeichenfolge
df = df[df['str'].str.contains('e')]  #Zeichenkette enthalten in
df = df[df['str'].str.endswith('s')]  #Zeichenkette am Ende

#Mehrere Bedingungen
df = df[(df['num']>0) & (df['str']=='Yes')]  #Anstelle von und&
df = df[(df['num']>0) | (df['str']=='Yes')]  #Anstelle von oder|

Referenz: Abfrage zum Extrahieren von Zeilen von pandas.DataFrame nach Bedingung

Andere

#Sortieren Sie nach der angegebenen Spalte
df = df.sort_values('a', ascending=True)

#Reindex
df = df.reset_index(drop=True)

#Speichern Sie DataFrame in einer CSV-Datei
df.to_csv([Dateipfad], index=False)