时间：2022-09-28 09:40:21 | 栏目：Python代码 | 点击：次
前言：
今天和大家分享自己总结的6个常用的Pandas数据处理代码，对于经常处理数据的coder最好熟练掌握。
在观察数据结构时，该方法可以快速定位存在缺失值的行。
df = pd.DataFrame({'A': [0, 1, 2],
'B': [0, 1, None],
'C': [0, None, 2]})
df[df.isnull().T.any()]
输出：
A B C A B C
0 0 0.0 0.0 1 1 1.0 NaN
1 1 1.0 NaN --> 2 2 NaN 2.0
2 2 NaN 2.0
实际数据处理经常会根据一些限定条件来替换列中的值。
df = pd.DataFrame({'name':['Python', 'Java', 'C']})
# 第一种方式
df['name'].replace('Java', 'JavaScript', inplace=True)
# 第二种方式
df.loc[df['name'].str.contains('Java'), 'name'] = 'JavaScript'
输出：
name name
0 Python 0 Python
1 Java ---> 1 JavaScript
2 C 2 C
很多情况下，对于数值类型的数据，我们需要分区来计算每个区间数据出现的频率。这时用 pd.cut 就能很好的解决这一问题。
import random age = random.sample(range(90), 20) cut_res = pd.cut(age, bins=[0, 18, 35, 60, 90]) # cut_res type：<class 'pandas.core.arrays.categorical.Categorical'> cut_res.value_counts()
输出：
(0, 18] 6
(18, 35] 1
(35, 60] 6
(60, 90] 7
在文本数据清洗时，一些列中存在分隔符('', ',', ':')分隔的值，我们只需将该列根据分隔符进行 split 即可。
import pandas as pd
df = pd.DataFrame({'address': ['四川省 成都市',
'湖北省 武汉市',
'浙江省 杭州市']})
res = df['address'].str.split(' ', expand=True)
res.columns = ['province', 'city']
输出：
province city
0 四川省 成都市
1 湖北省 武汉市
2 浙江省 杭州市
expand参数选择是否扩展为 DataFrame，False 则返回 Series
同样在清洗过程中，往往会出现一些不需要的中文字段，这时直接用 str.contains 筛选即可。
df = pd.DataFrame({'mobile_phone':
['15928765644',
'15567332235',
'暂无']})
df[~df['mobile_phone'].str.contains('[\u4e00-\u9fa5]')]
输出：
mobile_phone mobile_phone
0 15928765644 0 15928765644
1 15567332235 --> 1 15567332235
2 暂无
有时我们需要调整列的位置，当数据列较少时，可以用下面的方式
df = pd.DataFrame({'name': ['A', 'B', 'C'],
'age': [10, 20, 30],
'gender': [0, 1, 0]})
df = df[['name', 'gender', 'age']]
输出：
name age gender name gender age
0 A 10 0 0 A 0 10
1 B 20 1 --> 1 B 1 20
2 C 30 0 2 C 0 30
如果列较多，那么，一个个列举出来会比较繁琐，推荐下面插入的方式。
col = df['gender']
df.drop('gender', axis=1, inplace=True)
df.insert(1, 'gender', col)
这就是今天分享的主要内容，实践永远是最好的学习方式，记忆的也更牢固。