技巧 | 分享几个Pandas高效函数
原创
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：
- 字典创建Dataframe
- 列拆分（split/extract）
- 列合并（cat）
- 左右填充（pad）
- 根据类型筛选列（select_dtypes）
- 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
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
