Mémorandum de Pandas

introduction

«Je vais résumer comment utiliser Pandas, que j'utilise habituellement, pour chaque objectif comme mon mémorandum.

• Prévu pour être mis à jour régulièrement.

mémorandum

boucle de série (valeur + index)

# Extraire les colonnes du dataframe et passer à la série
aaa = df['sts']

# La première ligne est sortie comme "première fois"
for index, item in enumerate(aaa):
    if index < 1:
 print ("première fois")
    else:
 print ("seconde fois et suivantes")

Extraction de colonnes à partir de dataframe

# Définir les colonnes à récupérer sous forme de tableau
use_idx = ['aaa','bbb','ccc']

# Extraire les colonnes définies et créer un nouveau dataframe
df2 = df[ use_idx ]

Extraction de jour

# Convertir la date en type datetime
data['date'] = pd.to_datetime(date['date'])

# Extraire le jour de la date (SUN = 6, MON = 0)
date['day_of_week'] = date['date'].dt.dayofweek

liste → conversion en série

data = [1,8,14,56]
# Nommez la colonne avec le nom facultatif
 s = pd.Series(data, name=['day', 'hour', 'c1', 'c2'])

Extraire les noms de colonnes pour les lister

 name = df.columns.values

Supprimer la colonne

 df = df.drop('AAAA', axis = 1)

Remplacement par lots des noms de colonnes

# Combiner la chaîne avec le nom de colonne existant
newcol = []
for i in df.columns:
    print(i + "_2day")
    newcol.append(i + "_2day")

# Respécifier le nom de la colonne
df.columns = newcol

Tri du dataframe

# Tri
dfl = df.sort_values(by="A")  

# Plusieurs sortes
dfl = df.sort_values(by=["A","B","C","D"])  

dataframe concat

# Rejoindre par colonne
df_union = pd.concat( [df, df2], axis=1 )

# Rejoindre en ligne
df_union = pd.concat( [df, df2], axis=0 )  
 * Ajoutez l'option "sort = False" comme contre-mesure contre la modification de l'ordre des colonnes.

fusionner le dataframe

# Jointure intérieure sous condition de clé
df = pd.merge(left, right, on='key')

# Jointure externe gauche sous condition de clé
df = pd.merge(left, right, on='key', how = 'left')

"""
 La méthode de combinaison est spécifiée par le mot clé how.
 interne: par défaut. Jointure interne. Ne laissez que les clés contenues dans les deux données.
 gauche: jointure externe gauche. Laissez toutes les clés pour les premières données.
 droite: jointure externe droite. Laissez toutes les clés pour les secondes données.
 externe: jointure externe complète. Laissez toutes les clés.
"""

réglage de l'index

# Définir l'index sur la colonne xxxx
df.set_index('xxxx')

# Réinitialiser l'index
# Le numéro séquentiel est défini sur index et l'index d'origine est ajouté à la colonne de données
df.reset_index('xxxx')

# Réinitialiser l'index
# L'ancien index est supprimé et le nouvel index est défini
df.reset_index(drop=True)

"""
df2 = df.reset_index(drop=True)
 Notez que reset_index ne sera pas reflété sauf si vous faites ce qui précède ()
"""

Combinez la trame de données et la série

#dataframe df et série df_Combiner ser
#série est de_frame()Convertir en dataframe en utilisant
 df2 = pd.concat( [ df, df_ser.to_frame() ], axis=1 )

horodatage → conversion datetime

• Le type datetime dans pandas est horodatage, qui peut être utilisé presque de la même manière.
• Lors du passage au type datetime, utilisez la fonction suivante.

to_pydatetime()

Lors de la lecture de csv, utilisez une chaîne de caractères

• dtype=str
• Voir la page suivante. Attention à dtype = str lors de la lecture de fichiers externes avec pandas-Qiita

liste → conversion de dataframe

hoge = pd.DataFrame(hoge)

Trier par index dans le dataframe

#ordre croissant
hoge = hoge.sort_index() 
#Ordre décroissant
hoge = hoge.sort_index(ascending=False) 

Ajouter des paramètres avec read_sql (en utilisant des caractères génériques)

#Un paramètre
sql "select * from aaa where opstime >= %s;"
df = pd.read_sql(sql, con=conn, params=("2020-02-13"))

#Deux paramètres
sql "select * from aaa where opstime >= %s and opstime <= %s;"
df = pd.read_sql(sql, con=conn, params=("2020-02-13","2020-02-15"))

Créer un bloc de données vide

#Créer un bloc de données avec 3 lignes et 3 colonnes et une valeur NULL
df = pd.DataFrame(index=range(3), columns=['a', 'b' , 'c'])