Pandas进阶语法

注意

• 取index多级索引：构造的时候是zip对，所以这样取
• 取column多级索引：构造的时候是第一层和第一层数量一致，取的时候df.iloc[1:]把第一行去掉再去
• pd.to_datetime()很重要，可以把str日期转化为datetime
• 也可以这样取
• ix

可以自适应loc iloc 但不建议用

apply 可赋值也可过滤

新增列直接 df['列名'] = data 就可以 删除列 df.remove('列名')，插入用appenf/insert

取列

• set_index

这个方法很有用，可将columns转化为index

布尔索引

取行取列

• loc：对index直接操作行操作
• loc[:, column]：对列操作
• iloc：对行号直接操作
• iloc[:, column_index]：对列操作
• iat：对单值进行操作
• ./[]：对列进行操作

多层索引

• 生成多级索引的方式
• columns 多层索引

注意第一层的数量要和第二层的一致

• index 多层索引

注意多层索引对应的分组

转换

• stack/unstack unstack可以取消这种状态，便于分析
• 归并

针对像省市县这样的数据，可以直接index和columns进行归并显示

• 转时间戳

df['故障开始'] = pd.to_datetime(df['start_time'],unit='ms',origin=pd.Timestamp('1970-01-01 08:00:00'))

时间

• 取每月
• s/S 每个一秒
• M 每隔一月
• d/D 每隔一天
• 过程

过滤

过滤原理，寻找为True的

timedelta可设置天（d），时（h），分钟（m），秒（s），ms，us

• query
• to_datetime

该方法可精确过滤时间

• str

str具备Python str的所有方法,详细pandas中DataFrame字符串过滤之正则表达式

特殊

• query

pandas query

大汇总