import pandas as pd
import numpy as np

import os
# 更改文件路劲
os.chdir(‘F:\CSDN\课程内容\代码和数据‘)

df = pd.read_csv(‘baby_trade_history.csv‘, encoding=‘utf-8‘,dtype={‘user_id‘:str})

df.info()

df.head(5) #查看前5行

df.tail(5) #查看后5行

df.columns #查看变量名称（列）

df[‘user_id‘]

df[‘user_id‘][1:5]# 第二行到第五行

# 多个变量选择
df[[‘user_id‘,‘buy_mount‘,‘day‘]][:5]   

df.loc[3:4]# 选择行索引标签

df.loc[:,[‘user_id‘,‘buy_mount‘]]#选择某两列

df.loc[1:3,[‘user_id‘,‘buy_mount‘]] #loc在这里选择的是行索引标签

df.loc[df.user_id ==‘786295544‘,[‘user_id‘,‘buy_mount‘,‘day‘]]

df.loc[(df.user_id ==‘786295544‘) | (df.user_id ==‘444069173‘),[‘user_id‘,‘buy_mount‘,‘day‘]]# 多个条件选择

#注意iloc是位置

df.iloc[:,1:4] #按照位置来选择第二列到第四列

df.iloc[:,[0,2]] # 按照位置来选择第1列和第3列

df.iloc[3,[1,2]] #选择第4行，第2列和第3列数据, 这里的3代表的不是索引标签而是位置

df.iloc[2:7,[1,2]] #选择第3行到第7行，第2列和第3列数据

df.loc[2:7]

df.iloc[2:7]

#增加一列,购买量,购买量超过3的为高，低于3的为底

df[‘购买量‘] = np.where(df[‘buy_mount‘] >3,‘高‘,‘低‘)

df

# 增加行在dataframe中不常用，后面会用其他方法实现
# 可以使用append方法在 dataframe末尾实现

# 先将这一列取出来，赋值给对象auction_id,然后在数据中删除这一列，再将其添加进去

auction_id = df[‘auction_id‘]

del df[‘auction_id‘]

df.insert(0, ‘auction_id‘, auction_id)

df.head(5)

# 删除这两列,加inplace代表是否在原数据上操作,1代表沿着列的方向
# 同时删除多个变量，需要以列表的形式
# 注意inplace =True,代表是否对原数据操作, 否则返回的是视图，并没有对原数据进行操作

# labels表示删除的数据, axis表示作用轴，inplace=True表示是否对原数据生效,
# axis=0按行操作, axis=1按列操作

df.drop(labels = [‘property‘, ‘购买量‘],axis = 1,inplace=True) #删除这两列,加inplace代表是否在原数据上操作, 1代表沿着列的方向

# 按行删除法

df.drop(labels = [3,4],inplace = True,axis= 0) # 删除索引标签3和4对应的行

df.drop(labels= range(6,11),axis=0,inplace=True)  #删除索引名称1到10,注意range迭代器产生的是1到10

# 查看
df

df1 = pd.read_csv(‘sam_tianchi_mum_baby.csv‘,encoding = ‘utf-8‘,dtype =str)

df1.head(5)

# 将gender为0的改为女性，1改为男性，2改为未知

df1.loc[df[‘gender‘] ==‘0‘,‘gender‘] =‘女性‘

df1.loc[df[‘gender‘] ==‘1‘,‘gender‘] =‘男性‘

df1.loc[df[‘gender‘] ==‘2‘,‘gender‘] =‘未知‘

df1.head(10)

# 修改列标签和行索引名称
df1.rename(columns = {‘user_id‘:‘用户ID‘,‘birthday‘:‘出生日期‘,‘gender‘:‘性别‘},inplace = True)

df1.rename(index = {1:‘one‘,10:‘ten‘ },inplace = True) #修改行索引名称

df1.reset_index(drop=True,inplace=True)# 重置索引，变回0123456……

df1.head(10)

# 条件查询
df[df.buy_mount > 3] #性别等于未知

df[~(df.buy_mount > 3)] # ~代表非，取相反条件的

df[ (df.buy_mount > 3) &  (df.day > 20140101)] # 多条件查询

#使用between,。      inclusive=True代表包含（闭区间）
df[ df[‘buy_mount‘].between(4,10,inclusive=True)]

# 使用pd.isin()方法
# 包含后面这几个数的‘auction_id‘的数据

df[df[‘auction_id‘].isin([41098319944, 17916191097,21896936223])] 

import xlrd
workbook = xlrd.open_workbook(‘meal_order_detail.xlsx‘)
sheet_name = workbook.sheet_names() #返回所有sheet的列表

sheet_name

order1 = pd.read_excel(‘meal_order_detail.xlsx‘,sheet_name =‘meal_order_detail1‘)

order2 = pd.read_excel(‘meal_order_detail.xlsx‘,sheet_name =‘meal_order_detail2‘)

order3 = pd.read_excel(‘meal_order_detail.xlsx‘,sheet_name =‘meal_order_detail3‘)

order = pd.concat([order1,order2,order3],axis=0,ignore_index=False)# 忽略原来的索引，这样就不会覆盖了

order1.shape

# 通过循环方式进行合并

basic = pd.DataFrame()
for i in sheet_name:
    basic_i = pd.read_excel(‘meal_order_detail.xlsx‘, header = 0,sheet_name=i,encoding=‘utf-8‘)
    basic = pd.concat([basic,basic_i],axis=0,ignore_index=False) 

basic.shape

df = pd.read_csv(‘baby_trade_history.csv‘, encoding=‘utf-8‘,dtype={‘user_id‘:str})# 交易数据
df1 = pd.read_csv(‘sam_tianchi_mum_baby.csv‘,encoding = ‘utf-8‘,dtype =str)#婴儿信息

df2 = pd.merge(left = df, right=df1,  how=‘inner‘,  left_on=‘user_id‘, right_on = ‘user_id‘)      #how=‘inner‘内连接 

df2.head(10)

df = pd.read_csv(‘baby_trade_history.csv‘, encoding=‘utf-8‘,dtype={‘user_id‘:str},index_col=[3,0])

#index_col=[3,0]将数据第4列和第1列当成索引 
#dtype={‘user_id‘:str}改变数据类型

df.loc[28] #第一层引用

df.loc[28].loc[[82830661,532110457]]#第二层引用

df.loc[(28,[82830661,532110457]),:]# 第二层索引选择，多个选择

df.loc[(28,[82830661,532110457]),[‘auction_id‘,‘cat_id‘]]# 第二层索引选择，选择2个变量

df.loc[([28,50014815])] #第一层索引为28和50014815