Python其实很简单第二十一章DataFrame数据处理

　　将Excel中的的数据读入数据框架DataFrame后，可以非常方便的进行各种数据处理。
　　21。1列间求和
　　求总分（总分语文数学英语）
　　对于上一章所提到的学生成绩表，仅用一个语句即可完成总分计算，并填充。
　　df〔总分〕df〔语文〕df〔数学〕df〔英语〕
　　完整代码如下：
　　frompandasimportreadexcel
　　filed：student。xlsx见第18章表181
　　dfreadexcel（file，sheetname0，converters｛学号：str｝）
　　df〔总分〕df〔语文〕df〔数学〕df〔英语〕
　　print（df。head（））df。head（）的作用是仅显示5行记录。
　　运行结果如下：
　　序号学号姓名年级班级语文数学英语总分名次
　　01070101王博宇NaNNaN847193248NaN
　　12070102陈冠涛NaNNaN898989267NaN
　　23070103李文博NaNNaN897276237NaN
　　34070204姜海燕NaNNaN898989267NaN
　　45070205林若溪NaNNaN919583269NaN
　　21。2替换
　　既可以将对满足条件的行和列的数据替换，也可以对整个集合的数据按照条件进行替换。
　　df〔总分〕。replace（310，x，inplaceTrue）
　　将总分列的数值310替换为x。inplaceTrue表示改变原数据。
　　df。replace（76，0，inplaceTrue）
　　将整个DataFrame中的数值76替换为0。
　　df。replace（〔98，76，99〕，0，inplaceTrue）
　　将整个DataFrame中的数值98，76，99一次替换为0。
　　21。2排序
　　既可以将某一列作为关键字段排序，也可以将几个列分别作为主、次关键字段进行排序。排序既可以按升序排序，也可以按降序排序。
　　函数sortvalues（）的语法格式如下：
　　df。sortvalues（by〔col1，col2，。。。。。。，coln〕，ascendingFalse）
　　其中，coln表示列名，也可以是列名的列表；ascending表示排序方式，值为True表示升序，可以省缺，值为False表示降序。
　　如：
　　dfdf。sortvalues（by〔总分〕，ascendingFalse）
　　表示按照总分从高到低排序。
　　dfdf。sortvalues（by〔总分，语文〕，ascendingFalse）
　　表示按照总分从高到低排序，若总分相同，再按照语文成绩从高到低排序。
　　21。3字段截取
　　函数slice（）可以从某列中截取字符串。格式如下：
　　slice（start，stop）
　　其中，start表示开始位置；stop表示结束位置
　　例：
　　df〔年级〕df〔学号〕。str。slice（0，2）
　　通过此语句可以截取学号字段的第1、2个字符，并赋值给年级字段。
　　21。4记录抽取
　　可以抽取满足条件的记录。
　　例：抽取总分300的记录。
　　df〔df。总分300〕
　　抽取总分在300到310之间（包括300和310）的记录。
　　df〔df。总分。between（306，310）〕
　　抽取学号中包含0803的记录。这样可以非常方便的抽取某个班的信息。
　　df〔df。学号。str。contains（0803，naFalse）〕
　　此处的naFalse，含义是如遇到NaN这样的数据，直接做不匹配处理。
　　21。5修改记录
　　1、整列替换
　　我们在前面已经给整列填充过数据，填充时原来的数据就被覆盖了。
　　即如下语句：
　　df〔总分〕df〔语文〕df〔数学〕df〔英语〕
　　2、个别修改
　　如将值‘99’替换为值‘100’，可用如下语句：
　　df。replace（99，100）
　　将指定列的值替，如将语文列和英语列的值‘99’替换为值‘100’，可用如下语句：
　　df。replace（｛语文：99，英语：99｝，100）
　　可用如下程序去验证：
　　frompandasimportreadexcel
　　filed：student。xlsx
　　dfreadexcel（file，sheetname0，converters｛学号：str｝）
　　print（df〔（df。语文99）（df。英语99）〕）
　　dfdf。replace（｛语文：99，英语：99｝，100）
　　print（df〔（df。语文99）（df。英语99）〕）
　　运行结果为：
　　序号学号姓名年级班级语文数学英语总分名次
　　2829090802丁能通09NaN11912099338NaN
　　2930090203沈丹妮09NaN10910899316NaN
　　EmptyDataFrame
　　Columns：〔序号，学号，姓名，年级，班级，语文，数学，英语，总分，名次〕
　　Index：〔〕
　　可以看出，第一个print（）语句输出的结果中满足条件语文或英语为99分的有两条记录，替换语句执行以后，df中再没有满足条件语文或英语为99分的记录了。
　　21。6记录合并
　　函数concat（）的格式如下：
　　concat（〔dataFrame1，dataFrame2，。。。。。。〕，ignoreindexTrue）
　　其中，dataFrame1等表示要合并的DataFrame数据集合；ignoreindexTrue表示合并之后的重新建立索引。其返回值也是DataFrame类型。
　　concat（）函数和append（）函数的功能非常相似。
　　例：
　　importpandas导入pandas模块
　　frompandasimportreadexcel导入readexecel
　　filed：student。xlsx变量file表示文件路径，注意的用法数据见第18章表181
　　dfreadexcel（file，sheetname0，converters｛学号：str｝）
　　将Excel文件导入到DataFrame变量中
　　dfdf〔：5〕截取df的前5个记录
　　print（df）输出df
　　df1df〔：3〕截取df的前3个记录存入df1中
　　df2df〔3：5〕截取df的最后2个记录存入df2中
　　df3pandas。concat（〔df2，df1〕）将df2与df1合并存入df3中
　　print（df3）输出df3
　　运行结果如下：
　　序号学号姓名年级班级语文数学英语总分名次
　　01070101王博宇NaNNaN847193NaNNaN
　　12070102陈冠涛NaNNaN898989NaNNaN
　　23070103李文博NaNNaN897276NaNNaN
　　34070204姜海燕NaNNaN898989NaNNaN
　　45070205林若溪NaNNaN919583NaNNaN
　　序号学号姓名年级班级语文数学英语总分名次
　　34070204姜海燕NaNNaN898989NaNNaN
　　45070205林若溪NaNNaN919583NaNNaN
　　01070101王博宇NaNNaN847193NaNNaN
　　12070102陈冠涛NaNNaN898989NaNNaN
　　23070103李文博NaNNaN897276NaNNaN
　　由于合并时是将df1合并到df2中，可以看出，索引仍然保持原来的状态。
　　21。7统计次数
　　可以用如下方法统计出某个值在某行或者某个范围出现的次数。
　　frompandasimportreadexcel
　　filed：student。xlsx
　　dfreadexcel（file，sheetname0，converters｛学号：str｝）
　　dfdf〔：5〕
　　print（df）
　　print（df〔语文〕。valuecounts（））
　　输出结果如下：
　　序号学号姓名年级班级语文数学英语总分名次
　　01070101王博宇NaNNaN847193NaNNaN
　　12070102陈冠涛NaNNaN898989NaNNaN
　　23070103李文博NaNNaN897276NaNNaN
　　34070204姜海燕NaNNaN898989NaNNaN
　　45070205林若溪NaNNaN919583NaNNaN
　　893
　　841
　　911
　　Name：语文，dtype：int64
　　可以看出，通过valuecounts（）函数可以统计出列中各值出现的次数。
　　valuecounts（）函数的参数还有：
　　ascending，当ascendingTrue时升序排列，当ascendingFalse时升序排列（此时该参数可省缺）；
　　normalize，当normalizeTrue时，显示的不再是各值出现的次数，而是占比。
　　将上例中的语句print（df〔语文〕。valuecounts（））改为：
　　print（df〔语文〕。valuecounts（ascendingTrue，normalizeTrue））
　　则输出结果变成了：
　　910。2
　　840。2
　　890。6
　　Name：语文，dtype：float64
　　21。8按值查找
　　print（df〔语文〕。isin（〔84，91〕））
　　它的作用是查找‘语文’列中值和isin所指的列表中元素一致的记录，如果找到结果为True，否则为False。
　　输出结果：
　　0True
　　1False
　　2False
　　3False
　　4True
　　Name：语文，dtype：bool
　　21。9数据分区
　　根据某个分区标准，将数据按照所属区域进行划分，并用相应的标签表示，可以用cut（）方法来实现。
　　语法格式如下：
　　cut（series，bins，rightTrue，labelsNULL）
　　其中：
　　series表示需要分组的数据；
　　bins表示分组的依据，是一个列表，其元素为划分分区的边界值，如〔0，72，96，120〕，就是划分3个分区，即072、7296、96120，默认的是左包右不包；
　　right表示分组时右边是否闭合；
　　labels表示分组的自定义标签，也可以不重新定义。
　　下面对上述学生成绩表中的语文成绩进行分组，并增加一个新的列语文等级。
　　importpandasaspd
　　frompandasimportreadexcel导入readexecel
　　filed：student。xlsx
　　dfreadexcel（file，sheetname0，converters｛学号：str｝）
　　df〔年级〕df〔学号〕。str。slice（0，2）
　　df〔班级〕df〔学号〕。str。slice（0，4）
　　df。总分df。语文df。数学df。英语
　　bins〔0，72，96，max（df。语文）1〕
　　lab〔不及格，及格，优秀〕
　　gradepd。cut（df。语文，bins，rightFalse，labelslab）
　　df〔语文等级〕grade
　　print（df。head（））
　　print（语文成绩分等级统计结果：）
　　print（df〔语文等级〕。valuecounts（））
　　运行结果如下：
　　序号学号姓名年级班级语文数学英语总分语文等级
　　01070101王博宇070701847193248及格
　　12070102陈冠涛070701898989267及格
　　23070103李文博070701897276237及格
　　34070204姜海燕070702898989267及格
　　45070205林若溪070702919583269及格
　　语文成绩分等级统计结果：
　　及格17
　　优秀10
　　不及格4
　　Name：语文等级，dtype：int64