Pandas 数据运算

在Pandas中，DataFrame有多种有用的数据操作，如下所示:

行和列选择

可以通过传递行和列的名称来选择DataFrame的任何行和列。当您从DataFrame中选择它时，它将变为一维并被视为Series。

过滤数据

可以通过在DataFrame中提供一些布尔表达式来过滤数据。

Note: 如果要将布尔结果传递给DataFrame，则它将显示所有结果。

空值(Null values)

当没有数据提供给项目时，可能会出现Null值。各个列可能不包含通常表示为NaN的值。在Pandas中，有几个有用的函数可用于检测，删除和替换dataframe中的空值。这些函数如下:

isnull()            -  isull()的主要任务是，如果任何行具有空值，则返回true值。

notnull()         -  与isull()函数相反，它为非空值返回真值。

dropna()         -  此方法分析并删除空值的行/列。

fillna()             -  它允许用户将NaN值替换为其他一些值。

replace()         -  这是一个非常丰富的函数，可以替换字符串，正则表达式，Series，字典等。

interpolate()  -  这是一个非常强大的函数，可填充DataFrame或Series中的空值。

字符串操作

Pandas提供了一组字符串函数，可对字符串数据进行操作，并忽略missing/ NaN值。使用 .str。选项可以执行不同的字符串操作。这些函数如下:

lower()                         -  它将Series或索引的任何字符串转换为小写字母。

upper()                        -  它将Series或索引的任何字符串转换为大写字母。

strip()                           -  此函数有助于从Series/index中的每个字符串中去除空格，包括换行。

split('')                          -  是使用给定模式分割字符串的函数。

cat(sep ='')                  -  它将Series/Index元素与给定的分隔符连接在一起。

contains(pattern)     -  如果元素中存在子字符串，则返回True，否则返回False。

replace(a，b)              -  它将值a替换为值b。

repeat(value)              -  它将每个元素重复指定的次数。

count(pattern)            -  它返回每个元素中样式外观的计数。

startswith(pattern)   -  如果Series中的所有元素均以模式开头，则返回True。

endswith(pattern)     -  如果Series中的所有元素均以模式结尾，则返回True。

find(pattern)                -  用于返回图案的第一个匹配项。

findall(pattern)           -  它返回所有出现的模式的列表。

swapcase                        -  用于交换大小写。

islower()                         -  如果Series/Index字符串中的所有字符均为小写，则返回True。否则，它返回False。

isupper()                         -  如果"Series/Index"字符串中的所有字符均为大写，则返回True。否则，它返回False。

isnumeric()                    -  如果"Series/Index"字符串中的所有字符均为数字，则返回True。否则，它返回False。

Count Values                  -  此操作用于使用' value_counts()'选项对出现的总数进行计数。

Plots                                   -   Pandas使用 matplotlib 库绘制图形。 .plot()方法允许您绘制数据图。

.plot()函数针对每个列绘制索引，您还可以将参数传递到 plot()函数以绘制特定的列。