pandas 常用函数

df_user = pd.concat(list, axis=0, ignore_index=True)#list为数据

1) a=df[(df.可发库存 >= 15)]#可发库存为列名，df为数据

2) a = tcdd.loc[tcdd[‘订单状态‘] == ‘已取消‘] #loc为筛选函数

3) df=df[df[‘订单来源‘]==‘接口抓取‘]

4) ys=cjdd[cjdd[‘平台规格名称‘].str.contains(‘预‘)] #筛选包含预字的

5）day_1=az.loc[az[‘退款间隔_小时‘].apply(lambda a : 0<=a<24)]#数字筛选

df = pd.merge(df, kc[[‘商家时间‘, ‘可发库存‘]], how=‘left‘, on=[‘商家时间‘])#表关联类似vlookup，“how=”是关联方式

aa = pd.DataFrame((str(x).split(‘ ‘) for x in df[‘付款时间‘]), index=df.index, columns=[‘日期1‘, ‘付款时刻‘])#付款时间分列，"columns=" 是分列后的列名

xshz=pd.pivot_table(xs,index=[‘广告位名称‘],values=["商品数",‘商品单价‘],aggfunc=[sum])

　pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],aggfunc={"Quantity":len,"Price":np.sum},fill_value=0)

xshz=xshz.reset_index()#重置索引，一般和透视表关联都要这样做

drop_duplicates（）

kc.drop_duplicates(subset=‘商家时间‘, keep=‘first‘, inplace=True)#删除库存重复值，保留第一个

rename()

df.rename(columns={‘子单原始单号‘:‘原始单号‘},inplace=True)

遍历数据删除带有“预”字的那一列，效率较低
for i  in az.index:
    if ‘预‘   in az[‘平台规格名称‘].at[i]:
        az.drop(i, axis=0, inplace=True)

1.for i in df.index:
    if df[‘支付时间‘].at[i]==0:
        pass
    else: 
        df[‘付款时间‘].at[i]=df[‘支付时间‘].at[i]
2.df[‘平台规格名称‘].fillna(‘无‘,inplace=True)#填充空值

1.日期相减
az[‘退款间隔‘]=pd.to_datetime(az[‘申请退款时间‘]) -pd.to_datetime(az[‘付款时间‘])
az[‘退款间隔_小时‘]=az[‘退款间隔‘]/np.timedelta64(1, ‘h‘)#时间间隔转为小时