python中基本数据处理

同一个数据框中，根据两列数据得出新一列数据

例：有某工厂的上班时间，一列是夜间上班时间，一列是白间上班时间，我们需要根据这两列数据得出一列新数据：工人的夜班和白班情况。
具体规则：
1、如果夜间在线时长大于0，称之为夜班
2、如果白间在线时长大于0，称之为白间
3、如果司机当天在线时长为0 ，这称为未做单
4、如果夜间和白间的在线时长都大于0，称之为混合

def function(a,b):
    if (a > 0) & (b == 0):
        return "只做夜班"
    elif (a == 0) & (b > 0):
        return "只做白班"
    elif (a == 0) & (b == 0):
        return "未做单"
    else:
        return "混合"
data['白班夜班'] = data.apply(lambda x:
    function(x.夜间上班时长,
             x.日间上班时长),axis = 1)

• 注意这里都是用双等于，不能用等于，等于是赋值，双等于是查找
• 这里a>0以及b==0这些条件一定要用括号括起来，否则会只执行前面一部分条件。例如 if a > 0 & b == 0:
  return “只做夜班”这里没有加括号，只会判断a>0就判断为只做夜班，会出现判断错误。

同一个数据框中，根据某一列数据进行分层，分层后得出新的数据

例：有某工厂工人上班时间的总时长，我们要根据上班总时长对工人进行分层，数据以分钟登记
具体分层规则：
1、0小时–未做单；
2、0-5小时（不含5小时）–兼职；
3、5-10小时（含5小时，不含10小时）–休闲；
4、10-12（含10小时，不含12小时）–全职；
5、12小时以上（含12小时）–勤奋。

bins = [min(data['上班时长'])-1,0,300,600,720,max(data['上班时长'])+1]
labels = ['未做单','兼职','休闲','全职','勤奋']
data['全职情况'] = pd.cut(data['上班时长'],
         bins,labels=labels)

• 这里bins的边界是含右不含左，这里如果bins最小值设置为0，那么结果中0将会被判断为nan。

将两个数据框的不同列合并到同一个数据框中，类似于Excel中的vlookup函数

例：有两个数据框，一个是司机的做单数据，一个是包含司机的车牌信息，我们需要将司机的做单数据中合并上车牌号。

汇总 = pd.merge(a,b[['司机ID','车牌号']],
                  left_on='ID',right_on='ID',how='left')

• 注意这里合并只是合并车牌号，因此需要将索引列和车牌号单独筛选出来
• 而且注意使用双中括号–b[[‘司机ID’,’车牌号’]]，使用但括号将出现执行错误