python：pandas全DataFrame查询定位赋值数值所在行列

您所在的位置：网站首页 › python获取最大值的所在的行的所有数据 › python：pandas全DataFrame查询定位赋值数值所在行列

python：pandas全DataFrame查询定位赋值数值所在行列

#python：pandas全DataFrame查询定位赋值数值所在行列| 来源: 网络整理| 查看: 265

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

输入在这里插入图片描述 ➡ 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！")

【本文地址】

python：pandas全DataFrame查询定位赋值数值所在行列

python：pandas全DataFrame查询定位赋值数值所在行列

今日新闻

推荐新闻