python之dataframe需要注意的细节

（1）通过as_index=False，groupby的列名'GLBDOMAIN'将不作为索引出现在结果中

         agv_1930_df=data_1930_df.groupby(['GLBDOMAIN'],as_index=False)[['EDGE_BW']].mean()

（2）按行删除存在缺失数据的行（dataframe）

         data_1930_df.dropna(axis=0,how='any',inplace=True)

（3）设置其中一列或者多列为dataframe的索引

         data_1930_df=data_1930_df.set_index('GLBDOMAIN')

         data_1930_df=data_1930_df.set_index(['GLBDOMAIN','Time'])

（4）Axis=0为行，axis=1为列，特别注意在对数据进行操作的时候要进行指定

         original_avg_1930_bw=data_1930_df.apply(lambda x:x.mean(),axis=1)

（5）更改dataframe的列名

         data_1930_df.columns=['GLBDOMAIN','2019-06-01 19:30']

（6）对dataframe的每一行分别进行归一化，先对数据进行行列转置，然后在对每一列进行归一化处理

def regularit(df):

    newDataFrame = pd.DataFrame(index=df.index)

    columns = df.columns.tolist()

    for c in columns:

        d = df[c]

        MAX = d.max()

        MIN = d.min()

        newDataFrame[c] = ((d - MIN) / (MAX - MIN)).tolist()

    return newDataFrame

##########

data_1930_df=data_1930_df.T
data_1930_df=regularit(data_1930_df)

（7）统计次数并且修改列名
peakPOP_num_df=peakPOP_df.groupby(['date','POP英文名'])[['POP英文名']].size().reset_index(name='counts')