pandas DataFrame常用总结

谁借莪１个温暖的怀抱￠ 2022-12-27 11:08 252阅读 0赞

以pandas读取csv文件为例：

  1. DataFrame数据取用

    import pandas

    df = pandas.read_csv(‘suites.csv’,sep=’,’) 读取csv文件，以,分隔
    print(df)

    1. Status  ...                            Description

    0 passed … \n 用例描述：期权强平市价委托\n
    1 passed … \n 用例描述：期权强平市价委托\n
    2 passed … \n 用例描述：期权强平市价委托\n
    3 passed … \n 用例描述：期权强平市价委托\n
    4 passed … \n 用例描述：期权强平市价委托\n
    5 passed … \n 用例描述：期权强平市价委托\n
    6 passed … \n 用例描述：期权强平市价委托\n
    7 passed … NaN
    8 passed … \n 用例描述：期权强平市价委托\n
    9 passed … NaN
    10 passed … \n 用例描述：期权强平市价委托\n
    11 passed … \n 用例描述：期权强平市价委托\n
    12 passed … \n 用例描述：期权强平市价委托\n
    13 passed … \n 用例描述：期权强平市价委托\n
    14 passed … \n 用例描述：期权强平市价委托\n
    15 passed … \n 用例描述：期权强平市价委托\n
    16 passed … \n 用例描述：期权强平市价委托\n
    17 passed … \n 用例描述：期权强平市价委托\n
    18 passed … \n 用例描述：期权强平市价委托\n
    19 passed … NaN
    20 passed … NaN
    21 passed … \n 用例描述：期权强平市价委托\n

    [22 rows x 11 columns]
    print(df.head()) #打印前五行
    Status … Description
    0 passed … \n 用例描述：期权强平市价委托\n
    1 passed … \n 用例描述：期权强平市价委托\n
    2 passed … \n 用例描述：期权强平市价委托\n
    3 passed … \n 用例描述：期权强平市价委托\n
    4 passed … \n 用例描述：期权强平市价委托\n

    [5 rows x 11 columns]
    print(df[:3]) #打印前三行
    print(len(df.index)) #获取文件行数
    print(df.columns) #获取文件表头
    Index([‘Status’, ‘Start Time’, ‘Stop Time’, ‘Duration in ms’, ‘Parent Suite’,

    1.    'Suite', 'Sub Suite', 'Test Class', 'Test Method', 'Name',
    2.    'Description'],
    3.   dtype='object')

    print(df.loc[0,’Status’]) #获取Status列第0行
    print(df[‘Stop Time’]) #打印Stop Time列

    0 Mon Jul 01 20:22:29 CST 2019
    1 Mon Jul 01 20:22:25 CST 2019
    2 Mon Jul 01 20:22:25 CST 2019
    3 Mon Jul 01 20:22:31 CST 2019
    4 Mon Jul 01 20:22:25 CST 2019
    5 Mon Jul 01 20:22:25 CST 2019
    6 Mon Jul 01 20:22:31 CST 2019
    7 Mon Jul 01 20:22:33 CST 2019
    8 Mon Jul 01 20:22:31 CST 2019
    9 Mon Jul 01 20:22:31 CST 2019
    10 Mon Jul 01 20:22:25 CST 2019
    11 Mon Jul 01 20:22:31 CST 2019
    12 Mon Jul 01 20:22:25 CST 2019
    13 Mon Jul 01 20:22:25 CST 2019
    14 Mon Jul 01 20:22:25 CST 2019
    15 Mon Jul 01 20:22:31 CST 2019
    16 Mon Jul 01 20:22:31 CST 2019
    17 Mon Jul 01 20:22:31 CST 2019
    18 Mon Jul 01 20:22:25 CST 2019
    19 Mon Jul 01 20:22:25 CST 2019
    20 Mon Jul 01 20:22:25 CST 2019
    21 Mon Jul 01 20:22:31 CST 2019
    Name: Stop Time, dtype: object

  1. df_compare = df.compare(df2, align_axis=1)   #对比两个dataframe

  1. 数据取交集、差集

    df_insertaction = df.merge(df2) #取df和df2的交集

    df_app = df.append(df_insertaction)
    df_app.drop_dupicates(keep=False) #取df与df_insertaction的差集

  2. dataframe列

    ‘A’ in df.columns #’A’是否属于df的列

发表评论

表情：
评论列表 （有 0 条评论，252人围观）

还没有评论，来说两句吧...

相关阅读