pandas行列操作：
https://www.cnblogs.com/mrwuzs/p/11325205.html
pandas读取行列数据：
https://www.cnblogs.com/wynlfd/p/14024947.html

---

取出DataFrame里面指定的四列数据构成新DF

dfS = data[['A','B','C','D']]

print(dfS)

---

全DataFrame查询数值

demo_df = pd.DataFrame({'Integer Feature': [0, 1, 2, 1], 'Categorical Feature': ['socks', 'fox', 'socks', 'box']})

demo_df

用for循环遍历

for indexs in df.index: 

  for i in range(len(df.loc[indexs].values)): 
  
    if(df.loc[indexs].values[i] =='fox'): 
    
      print(indexs,i) 
      
      print(df.loc[indexs].values[i]) 

---

添加新的一列，该列数值为空值

用pandas直接是None

dfS["new"] =None

将空值全部改为0

dfS = df.fillna(0)

用numpy是nan

import pandas as pd
import numpy as np
 
df = pd.DataFrame({'A': ['K0', 'K0', 'K1', 'K2'],
                     'B': ['K0', 'K1', 'K0', 'K1'],
                     'C': ['A0', 'A1', 'A2', 'A3'],
                     'D': ['B0', 'B1', 'B2', 'B3']})
                     
df['ZZ'] = np.nan

将指定值改为空值，比如将所有1改为空值

import numpy as np

//**********首先在这里遍历全部数据*************//

// 把指定值换成9，然后把9换成空值              
df.replace("9", np.NaN, inplace=True)

---

检索全部DataFrame，将符合条件的值的列所在的索引输出到新的一列

# 新添加一列
dfS["ZZ"]=0

# 遍历全DF
for indexs in dfS.index: 

    for i in range(len(dfS.loc[indexs].values)): 
    
        if(dfS.loc[indexs].values[i] =='bbb'): 
        
            print(indexs,i)
            
            # 查询到bbb就在ZZ里面赋值1
            dfS.iloc[indexs,17] = i
            
print(dfS.head())

---

pandas.DataFrame中某数值在某行中第一次出现的索引号

dfS["ZZ"] = None

# 将每一行第一次出现的字符串的索引保存在ZZ列里面
ZuiHouyilie = 26

for indexs in dfS.index: 

    for i in range(len(dfS.loc[indexs].values)):
    
        if(dfS.loc[indexs].values[i] ==1): 
        
            print(indexs,i)
            
            dfS.iloc[indexs,ZuiHouyilie] = i
            
            break       
             
print(dfS.head())

pandas.DataFrame中某数值在某行中最后一次出现的索引号

dfS["ZZ"] = None

ZuiHouyilie = 26

for indexs in dfS.index: 

    for i in range(len(dfS.loc[indexs].values)): 

        if(dfS.loc[indexs].values[i] ==1): 

            print(indexs,i)

            dfS.iloc[indexs,ZuiHouyilie] = i

print(dfS.head())

---

pandas.DataFrame中每一行某个数值出现的次数

# 将符合条件的数值修改为1，不符合的修改为0
ChaXunStr = 13311

for col in dfS.columns:

    dfS.loc[dfS[col] != ChaXunStr,col] = 0
    
    dfS.loc[dfS[col] == ChaXunStr,col] = 1

dfS


# 求和
# 增加新的一列数据，保存的是查询的那个数值的索引位置
# 第一次出现还是最后一次出现？最后一次！
dfS["ZZ"] = None

# 将查出来的索引位置存在ZZ所在的列
# 存的是最后一次出现的索引位置
ZuiHouyilie = 26

for indexs in dfS.index: 

    for i in range(len(dfS.loc[indexs].values)): 
    
        if(dfS.loc[indexs].values[i] ==1): 
        
            print(indexs,i)
            
            dfS.iloc[indexs,ZuiHouyilie] = i
            
print(dfS.head())

# 只取求和结果那一列输出结果！
dfS['Times'] =dfS.apply(lambda x:x.sum(),axis =1)  #对每一行求和，添加新的一行

dfS = dfS[['Times']]#只提取index和Times

dfS

dfS.to_csv("FSP22131chuxiancishu.csv")

---

pandas.dataframe根据ID列关联两个DataFrame

相当于excel中VLOOKUP 功能

# dfA列的长度比dfB的长度大！大的在前，小的在后
# outer表示并集，inner表示交集
dfS = dfA.merge(dfB,how='outer',on=['ID '])

dfS

---

统计全DATa Frame各个数值出现的次数

pieces = []

for col in dfS.columns:

        tmp_series = df[col].value_counts()
        
        tmp_series.name = col
        
        pieces.append(tmp_series)
        
        df_value_counts = pd.concat(pieces, axis=1)

FSP_3 = df_value_counts.fillna(0)

FSP_3["Total"] =FSP_3.apply(lambda x:x.sum(),axis =1)

print(FSP_3.head())

# 只打印Total列
FSP_3 = FSP_3[['Total']] 

FSP_3.head()

---

使用pandas的read_csv时会将长度超过15位的字符串转换位科学计数法显示造成数据丢失。将数据转为str类型即可。

df['A'] = df['A'].astype(str)

---

去除DF中的英文或者符号

输入

➡ 输出

import pandas as pd
import string
string.punctuation

file_path = "1995_500.csv"
dfS = pd.read_csv(file_path)

print(dfS.head())

punctuation_string = string.punctuation

dfS['LID '].replace('tile_','',regex=True,inplace=True)
print(dfS.head()) 

# dfS.to_csv("1995_500_new.csv",mode='a')

---

将DF中所有小数点后位数保留3位

DF =DF.round(3)

# 分别对不同列保留小数位
#方法1
df.round({'A1': 1, 'A2': 2})
# 方法2
pd.Series([1, 0, 2], index=['A1', 'A2', 'A3'])
# 通过自定义函数设置小数位数，返回类型为object，以设置为二位小数为例
df.applymap(lambda x: '%.2f'%x)

参考博客

---

对某列排序

dfS['LID '].sort(reverse=True)

Python的左闭右开原则

python的左闭右开原则

判断一个列表中是否有重复元素

ls = [1, 1, 2, 3]
if len(ls) == len(set(ls)):
    print("无重复元素！")
else:
    print("有重复！")