Pandas常用方法

DataFrame 獲取列索引名稱df.columns獲取行索引名稱df.index重新定義列索引df.columns=[＂X＂，＂Y＂，＂Z＂]重新更改某列的列名(如果缺少 inplace選項 ，則不會更改，而是增加新列。)df.rename(columns={'x'：'X'}，inplace=True)打印DataFrame的屬性信息df.info()查看DataFrame前五行的數據信息df.head()查看DataFrame最後五行的數據信息df.tail()創建空數據框，便於後面添加數據

df_empty = pd.DataFrame(columns=['x', 'y', 'z'])

在空數據框中添加數據

df_new = pd.DataFrame(np.arange(6).reshape(2, 3), columns=['x', 'y', 'z'])

print(pd.concat([df_empty, df_new], axis=0))

已有數據框的基礎上添加新的行/列，或者橫向/縱向添加另外一個表格（axis表示沿縱軸（axis=0）或者橫軸（axis=1）方向連接）

dat_cbind = pd.concat([df1, df2], axis=1)

dat_rbind = pd.concat([df1, df3], axis=0)

dat_rbind = df1.append(df3)

刪除行或者刪除列（其中，labels 就是要刪除的行/列的名字，用列表給定；axis 默認為0，指刪除行，因此刪除columns時要 指定 axis=1；index 直接指定要刪除的行；columns 直接指定要刪除的列；inplace=False，默認該刪除操作不 改變原數據，而是返回一個執行刪除操作後的新 DataFrame；inplace=True，則會直接在原數據上進行刪除 操作，且刪除後無法返回）

df1.drop(labels='y', axis=1, inplace=True)

apply操作對象是DataFrame的某一列（axis=0）或者某一行（axis=1）applymap操作對象是元素級，作用於每個DataFrame的每個數據map操作對象也是元素級，但其是對Series中的每個數據調用一次函數按行求和df_rowsum = df[['2020', '2021']].apply(lambda x: x.sum(), axis=1)按列求和

df_colsum = df[['2020', '2021']].apply(lambda x: x.sum(), axis=0)