dataframe设置两个条件取值的实例

>>> import pandas as pd>>> import numpy as np>>> from pandas import Series, DataFrame>>> df = DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]})>>> df classes name price0  1 a  111  2 a  222  3 b  333  4 b  44>>> 

>>> s = df.loc[0,'price']>>> s11

>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price']>>> sex0 11Name: price, dtype: int64>>> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'].values[0]>>> sex11

>>> name,price = df.loc[df.classes==1,('name','price')].values[0]>>> name'a'>>> price11>>>

>>> df.loc[: , 'price']=0>>> df classes name price0  1 a  01  2 a  02  3 b  03  4 b  0>>>

【1】>>> df['name'] = df['name'].apply(lambda x: x.upper())>>> df classes name price0  1 A  111  2 A  222  3 B  333  4 B  44【2】>>> df.loc[:, 'name'] = df['name'].apply(lambda x: x.upper())>>> df classes name price0  1 A  111  2 A  222  3 B  333  4 B  44>>>

【1】>>> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x))>>> print(type(df.loc[0, "classes"]))<class 'str'>>>> print(df.loc[0, "classes"])1【2】>>> df.loc[:, ['classes','price']] = df[['classes', 'price']].applymap(lambda x: int(x))>>> print(type(df.loc[0, "classes"]))<class 'int'>>>> print(df.loc[0, "classes"])1>>> 

>>> df classes name price0  1 a  111  1 a  222  3 b  333  4 b  44>>> df.drop_duplicates(subset=['classes', 'name'], inplace=True)>>> df classes name price0  1 a  112  3 b  333  4 b  44

>>> fund_memeber = '赵四、 王五'>>> fund_manager_list = re.split('[；， 、]', fund_memeber)>>> fund_manager_list['赵四', '', '王五']#DataFrame构造器>>> df = DataFrame({'x':[1],'y':[2]})>>> df x y0 1 2>>>

>>> df = DataFrame({'name':['a','b','c','d'],'classes':[1,2,3,4],'price':[11,22,33,44]})>>> df classes name price0  1 a  111  2 b  222  3 c  333  4 d  44【方法一】>>> df = df.loc[df['name']!='a']>>> df classes name price1  2 b  222  3 c  333  4 d  44>>> 【方法二】 df.drop(df[df.name=='a'].index,axis=0) #筛选df的每列值包含某个字段‘/a' >>> import pandas as pd>>> df = pd.DataFrame({'a':['A', 'B'], 'b': ['AA', 'BB']})>>> df a b0 A AA1 B BB>>> df[df['a'].str.contains(r'A')] a b0 A AA>>> df = pd.DataFrame({'a':['/api/', 'B'], 'b': ['AA', 'BB']})>>> df  a b0 /api/ AA1  B BB>>> df[df['a'].str.contains(r'/api/')]  a b0 /api/ AA>>>

df  request_url visit_times9 fofeasy_产品基本信息   78   投顾挖掘   65   投顾挖掘   56   投顾挖掘   57 fofeasy_产品基本信息   53 fofeasy_产品基本信息   44 fofeasy_产品基本信息   42   投顾挖掘   20  行业数据――其他   11  行业数据――其他   1x = df.set_index('request_url')x    visit_timesrequest_url    fofeasy_产品基本信息   7投顾挖掘      6投顾挖掘      5投顾挖掘      5fofeasy_产品基本信息   5fofeasy_产品基本信息   4fofeasy_产品基本信息   4投顾挖掘      2行业数据――其他     1行业数据――其他     1x.reset_index('request_url')  request_url visit_times0 fofeasy_产品基本信息   71   投顾挖掘   62   投顾挖掘   53   投顾挖掘   54 fofeasy_产品基本信息   55 fofeasy_产品基本信息   46 fofeasy_产品基本信息   47   投顾挖掘   28  行业数据――其他   19  行业数据――其他   1

>>>df.groupby(by=['request_url'])['visit_times'].sum()>>>request_urlfofeasy_产品基本信息 20投顾挖掘    18行业数据――其他   2Name: visit_times, dtype: int64

In [15]: dict = pd.DataFrame({'x':1, 'y':2}, index=[0])In [16]: dictOut[16]: x y0 1 2

In [69]: df1.iloc[1:5, 2:4]Out[69]:    4   62 0.301624 -2.1798614 1.462696 -1.7431616 1.314232 0.6905798 0.014871 3.357427