技巧 | 分享几个Pandas高效函数

大家好~

本期给大家推荐几个pandas高效数据处理函数(持续更新)，希望对你有所帮助：

1. 字典创建Dataframe
2. 列拆分（split/extract）
3. 列合并（cat）
4. 左右填充（pad）
5. 根据类型筛选列（select_dtypes）
6. 排序（rank）

1. 字典创建Dataframe

df_dict = {'name':['Alice_001','Bob_002','Cindy_003','Eric_004','Helen_005','Grace_006'],'sex':['female','male','female','male','female','male'],'math':[90,89,99,78,97,93],'english':[95,94,80,94,94,90]}
#[1].直接写入参数test_dict
df = pd.DataFrame(df_dict)
#[2].字典型赋值
df = pd.DataFrame(data=df_dict)

2. 列拆分（split/extract）

字符拆分：

df1[['name', 'id']] = df1['name'].str.split('_', 2, expand = True)

正则表达式拆分：

df2 = df.copy()
df2['name2'] = df2['name'].str.extract('([A-Z]+[a-z]+)')
df2['id2'] = df2['name'].str.extract('(\d+)')

3. 列合并（cat）

自定义连接符：

df1["name_id"] = df1["name"].str.cat(df1["id"],sep='_'*3)

某列合并输出：

df1["name"].str.cat(sep='*'*5)

4. 左右填充（pad）

左填充：

df1["id"] = df1["id"].str.pad(10,fillchar="*") 
# 相当于ljust()
df1["id"] = df1["id"].str.rjust(10,fillchar="*")

右填充：

df1["id"] = df1["id"].str.pad(10,side="right",fillchar="*")

两侧填充：

df1["id"] = df1["id"].str.pad(10,side="both",fillchar="*")

5. 根据类型筛选列（select_dtypes）

筛选数值列：

df1.select_dtypes(include=['float64', 'int64'])

筛选object列：

df1.select_dtypes(include=['object'])

6. 排序（rank）

英语成绩排名：

df1['e_rank'] = df1['english'].rank(method='min',ascending=False)

94分有三个，所以三个并列第2。

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、点在看可以分享让更多人知道