pandas是数据科学家必备的数据处理库，我们今天总结了10个在实际应用中肯定会用到的技巧

　　1、Select from table where f1=’a’ and f2=’b’

　　使用AND或OR选择子集

　　?dfb=df.loc[(df.Week==week) & (df.Day==day)]

　　OR的话是这样

　　?dfb=df.loc[(df.Week==week)|(df.Day==day)]

　　2、Select where in

　　从一个df中选择一个包含在另外一个df的数据，例如下面的sql

　　?select * from table1 where field1 in (select field1 from table2)

　　我们有一个名为“days”的df，它包含以下值。

　　如果有第二个df:

　　可以直接用下面的方式获取

　　?days=[0,1,2]

　　?df[df(days)]

　　3、Select where not in

　　就像IN一样，我们肯定也要选择NOT IN，这个可能是更加常用的一个需求，但是却很少有文章提到，还是使用上面的数据：

　　?days=[0,1,2]

　　?df[~df(days)]

　　使用操作符就可以了

　　4、select sum(*) from table group by

　　分组统计和求和也是常见的操作，但是使用起来并不简单

　　?df(by=['RepID','Week','CallCycleDay']).sum()

　　如果想保存结果或稍后使用它们并引用这些字段，请添加 as_index=False

　　?df.groupby(by=['RepID','Week','CallCycleDay'], 正品金刚通痹丹厂家直销 as_index=False).sum()

　　使用as_index=false，可以表的形式保存列

　　5、从一个表更另外一个表的字段

　　我们从一个df中更改了一些值，现在想要更新另外一个df，这个操作就很有用。

　　?dfb=dfa[dfa.field1='somevalue'].copy()

　　?dfb['field2']='somevalue'

　　?dfa.update(dfb)

　　这里的更新是通过索引匹配的

　　6、使用apply/lambda创建新字段

　　我们创建了一个名为address的新字段，它是几个字段进行拼接的。

　　?dfa['address']=dfa.apply(lambda row: row['StreetName'] + ', ' +

　　 ? ? ? ? ? row['Suburb'] + ', ' + str(row['PostalCode']),axis=1)

　　7、插入新行

　　插入新数据的最佳方法是使用concat。我们可以用有pd. datafframe .from_records一将新行转换为df。

　　?newRow=row.copy()

　　?newRow.CustomerID=str(newRow.CustomerID)+'-'+str(x)

　　?newRow.duplicate=True

　　?df=pd.concat([df,pd.DataFrame.from_records([newRow])])

　　8、更改列的类型

　　可金刚通痹丹哪里有卖的以使用astype函数将其快速更改列的数据类型

　　?df=pd.read_excel(customers_.xlsx')

　　?df['Longitude']=df['Longitude'].astype(str)

　　?df['Latitude']=df['Longitude'].astype(str)

　　9、删除列

　　使用drop可以删除列

　　?def cleanColumns(df):

　　?for col in df.columns:

　　 if col[0:7]=="Unnamed":

　　 ? df.drop(col, inplace=True, axis=1)

　　?return df

　　10、地图上标注点

　　这个可能是最没用的技巧，但是他很好玩

　　这里我们有一些经纬度的数据

　　现在我们把它根据经纬度在地图上进行标注：

　　?df_clustercentroids=pd.read_csv(centroidFile)

　　?lst_elements=sorted(list(dfm.cluster2.unique()))

　　?lst_colors=['#%06X' % np.random.randint(0, 0xFFFFFF) for i in range(len(lst_elements))]

　　?dfm["color"]=dfm["cluster2"]

　　?dfm["color"]=dfm["color"].apply(lambda x:lst_colors[lst_elements.index(x)])

哪个药店有卖金刚通痹丹

　　?

　　?m=folium.Map(location=[dfm.iloc[0].Latitude,dfm.iloc[0].Longitude], zoom_start=9)

　　?

　　?for index, row in dfm.iterrows():

　　?folium.CircleMarker(location=[float(row['Latitude']), float(row['Longitude'])],radius=4,popup=str(row['RepID']) + '|' +str(row.CustomerID),color=row['color'],fill=True,fill_color=row['color']

　　?).add_to(m)

　　?

　　?for index, row in df_clustercentroids.iterrows():

　　?folium.Marker(location=[float(row['Latitude']), float(row['Longitude'])],popup=str(index) + '|#=' + str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0]),icon=folium.Icon(color='black',icon_color=lst_colors[index]),tooltip=str(index) + '|#=' + str(dfm.loc[dfm.cluster2==index].groupby(['cluster2'])['CustomerID'].count().iloc[0])).add_to(m)金刚通痹丹哪里有得卖

　　?m

　　结果如下