pandas使用总结

import pandas as pd
import numpy as np

pandas使用总结

• 尽量使用[]来选择单列，而非使用.属性的方式，不使用.属性的原因如下：
  • 如果column名字中有空格，代码不能运行
  • 如果column名字不唯一，代码也不能运行
• 只使用字符串作为columns的名字
• 避免使用链式索引,不要像这样df[df['a']>12]['b']=10,而应该这样df.loc[df['a']>10,'b']=10
• 不要使用.ix这个方法，因为他已经过期了
• 不要没原因的就使用.at和.iat,能避免就避免
• 不要用query方法，用.loc,iloc来使用boolean条件筛选
• 使用算数运算符来比较，不要用add，gt的产生副本的方法
• 当DataFrame/Series中的方法能满足需求时，尽量使用它们提供的方法
  • 尽量避免使用python内置函数
  • 尽量避免使用apply方法
• 不要在DataFrame/Series中存储复杂的类型，例如列表，dataframe，series
• 遵循分组规则
  • df.groupby(['grouping', 'columns']).agg({'aggregating column': 'aggregating func'})
  • df.groupby(['grouping', 'columns'])['aggregating column'].aggregating_func()
• 针对multi-level Index 有一个标准的处理方式
  • 统一处理成单层次
• 在groupby时尽量避免使用apply，效率太慢了
• melt/pivot vs stack/unstack 他们功能是等同的
  习惯用法列举：

df=pd.read_csv('data/sample_data.csv', index_col=0)

df[['color', 'food', 'state']][['color', 'food']] # 不好
df.loc[df['age'] > 30, ['color', 'food']] #好

# 好
rs = df['age'] > 30
cs = ['color', 'food']
df.loc[rs, cs]

# 不好，不会赋值
df.loc[['Aaron', 'Dean']]['color'] = 'PURPLE'
df

image.png

# 好
rs = ['Aaron', 'Dean']
cs = 'color'
df.loc[rs, cs] = 'PURPLE'
df

image.png

待续。。。。