qq_28388339的博客

转自：https://blog.youkuaiyun.com/tcy23456/article/details/85493634# 实例2.1：加入索引left_index, right_index# join()将两个不同索引列组合 left = pd.DataFrame({'A': [ 'A1', 'A2'], 'B': [ 'B1', 'B2']}, index=['K1', 'K2'])right = pd.DataFrame({'C': [ 'C2', 'C3'], 'D': [ 'D.

转自：https://blog.youkuaiyun.com/qq_34490873/article/details/81205523读取原始数据的时候,经常会遇到字符型变量读入变成了数值型,比较定性的就是商户ID,银行卡号这类标识型数据,可以使用三种方法解决这个问题:第一种:在读取数据的时候,指定数据类型data = pd.read_csv('test.txt',sep = '|',dtype = 'str')上面说的是,1,读取工作文件路径中标题为test.txt的文件,2,采用的分割符是’

1.dataframe 获得 列名columns 和行名称 index列表dfname._stat_axis.values.tolist() # 行名称 dfname.columns.values.tolist() # 列名称2.dataframe 去除重复data.drop_duplicates(subset='列名',keep='first',inplace=True)subset：column label or sequence of labels, optional .

#字符串切片赋值df['item']=df['item'].astype(str).str[1:]如果列内容是字符串，可以df['item']=df['item'].str[1:]#正则表达式赋值df['item'] = df['item'].str.extract(r'([0-9]+).')#astype强制转换如果试图强制将列转换类型，可以使用df.astype()例如：df.astype(int),对应int32df.astype('int64'),对应int64df.as.

转自：https://blog.youkuaiyun.com/luocheng7430/article/details/803305661.删除/选取某列含有特殊数值的行import pandas as pdimport numpy as np a=np.array([[1,2,3],[4,5,6],[7,8,9]])df1=pd.DataFrame(a,index=['row0','row1','row2'],columns=list('ABC'))print(df1)df2=df1.copy