pandas

讀取

pandas.read_csv()

 

形狀

print df1.describe()
print df1.shape
print df1.columns
print df1.index

 

篩選列

df1[['playerID','nameFirst','nameLast','HR']]

篩選行

df1[(df1['AB']>=500)&(df1['yearID']==1977)]

分組

df1.groupby(['nameFirst','nameLast'])

 

簡單聚合：

df1.groupby(['playerID']).count()

相似的還有min() max() sum() median() mean() quantile() var() std()

 

agg聚合：

求和聚合（若是想保留其餘列，則形如：'nameFirst':'first','nameLast':'first' ）

df1.groupby(['playerID']).agg({'HR':'sum','nameFirst':'first','nameLast':'first'})

最大值聚合（若是想保留其餘列，則需使用merge）

df9=df1.groupby('yearID').agg({'H':'max'})
df9=pd.merge(df9,df1,on=['yearID','H'],how='left')

 

排序：

df1.sort_values('SB',ascending=False)

 

選取某一列最大值所在的行：

df1.loc[df1[['HR']].idxmax(),:]

注意是loc，若是是最小值就是idxmin()

若是有多個最大值要都選出來，則須要用鏈接merge()

https://blog.csdn.net/oYeZhou/article/details/82378160

 

左外鏈接：（鏈接後行數與左表df9相同）

df9=pd.merge(df9,df1,on=['yearID','H'],how='left')

右外鏈接則how='right'

 

將索引轉換爲列數據：

groupby和agg以後獲得的dataframe的索引咱們一般須要將其轉爲列數據：

df2=df1.groupby(['playerID','yearID']).agg({'HR':'sum','nameFirst':'first','nameLast':'first'}).reset_index()

 

求dataframe中某一列的無重複長度（轉爲set）

len(set(df2['playerID']))

 

python list 求出現次數最多的元素及其出現次數（衆數）

#python list求衆數
def cal_mode(mylist):
    #兩種特殊狀況
    if len(mylist)==0:
        return [None,0]
    elif len(mylist)==1:
        return [mylist[0],1]
    
    #4個臨時變量
    temp_elem=mylist[0]
    max_elem=temp_elem
    temp_num=1
    max_num=temp_num
    
    #從1開始
    for i in range(1,len(mylist)):
        if mylist[i]==temp_elem:
            temp_num+=1
        else:
            if max_num<temp_num:
                max_num=temp_num
                max_elem=temp_elem
            temp_num=1
            temp_elem=mylist[i]
    #最後收尾
    if max_num<temp_num:
        max_num=temp_num
        max_elem=temp_elem
    return [max_elem,max_num]

 

排序：

mylist.sort() 直接改變mylist，返回值爲空

sorted(mylist) 不改變mylist，返回值爲結果

sort()不能對字典排序，sorted()能夠

sort()和sorted()都支持傳入一個函數進行來自定義比較

參考

https://www.cnblogs.com/JahanGu/p/7650109.html

 

遍歷行：參考：https://blog.csdn.net/ls13552912394/article/details/79349809

for index, row in df.iterrows():
    print row["c1"], row["c2"]