前言

自从入了Pandas这个坑后，各种的麻烦的问题层出不穷，解决方法积累地越来越多，很明显，我这个失忆患者已经记不住了_(:зゝ∠)_最近做了几篇分析文章，就想着把一些比较有用的数据操作记录下来，以后方便查。

分类统计

分类统计次数并排序

1
2
3
4
5
6
7
8
9
10
11
12
list_1 = []
list_2 = []
for index, row in test_data.iterrows():
    if row["position_number"] < 40 and row["position_number"] != 0:
#         print(row["classification"], row["position_number"])
        list = re.split('[,、 ]', row["classification"])
        for one in list:
            if one != '' and one not in '其他|不限':
#                 print(one, row["position_number"])
                list_1.append(one)
                list_2.append(row["position_number"])
text_df = pd.DataFrame(list_2, index=list_1, columns=['招聘人数'])

当某列所含多个值同时对应其他列值时进行统计（正则）

1
show_list = test_data.groupby(by='address').count().sort_values('classification')

当某列含有多个未分离值而需要统计

PS:注意这里用到了collections库

1
2
3
4
5
6
7
8
9
import collections

cnt_all = collections.Counter()
for one in test_data['classification']:
    list = re.split('[,、 ]', one)
    for word in list:
        if(word not in '其他|不限'):
            cnt_all[word] += 1
financing_cont_all = pd.DataFrame(cnt_all.most_common(20), columns=['行业分类','统计次数'])

提取特定值的所有行

1
guangdong = test_data.loc[test_data['address']=='广东']

按照对应index排序（可以去掉不需要的index）

1
2
next_index_1 = ['天使轮','A轮','B轮','C轮','D轮及以上','上市公司','不需要融资','未融资']
next_financing = show_financing.reindex(next_index_1)

多列多条件提取对应行

1
data_t = data_cp[(data_cp['latitude']>31.29) & (data_cp['latitude']<31.76) & (data_cp['longitude']>121) & (data_cp['longitude']<122)]

修改

匹配多个字符串并修改为某个字符串（正则）

1
test_data['address'].replace('.*四川.*|.*乐山.*|.*内江.*|.*凉山彝族自治州.*|.*南充.*|.*成都.*|.*宜宾.*|.*遂宁.*|.*巴中.*|.*资阳.*|.*达州.*|.*绵阳.*|.*泸州.*|.*德阳.*|.*眉山.*|.*广安.*|.*自贡.*', '四川', regex=True, inplace = True)

将多个值修改为对应值

以下结果为把test_data的“number”行中的’15-50 人’修改为’少于 15 人’以及把’15-50人’修改为’少于15人’。

1
test_data['number']=test_data['number'].replace(['15-50 人','少于 15 人'],['15-50人','少于15人'])

删去特定值的对应行

1
next_df=text_df[~text_df['招聘人数'].isin([0])]

修改数据精确度

以下结果为小数点后两位

1
show_positio_mean = show_positio_mean.round(2)

重建索引

1
data_pc = data_t.reset_index(drop=True)

合并其他数据的多个列

1
new_data = df.join(data_pc[['longitude', 'latitude']])