常用条件类型
比较运算
>, <, >=, <=, !=
例如：df[df.comments>1000]
运算范围
between(left,right)
例如：df[df.comments.between(100,300)]
空值匹配
pandas.isnull(column)
例如：df[pandas.isnull(df.title)]
字符匹配
str.contains(patten, na=False)
例如：df[df.title.str.comtains('内容', na=False)]
逻辑运算
&, |, not
例如：
df[(df.comments>=100) & (df.comments<=300)]
等价于df[(df.comments.between(100, 300))]
随机抽样
numpy.random.randint(start, end, num)
numpy.random.randint(范围开始值，结束值，抽样个数)
返回值：行数的索引值序列
例如：
r = numpy.random.randint(0, 10, 3)
df.loc[r, :] #输出r数据框(index,num)
记录合并
多个数据框合并
concat([dataFrame1, dataFrame2, ...])
例如：
df1 = read_csv('路径1', sep='|')
df2 = read_csv('路径2', sep='|')
df3 = read_csv('路径3', sep='|')
df = pandas.concat([df1,df2,df3])
字段合并
x = x1 + x2 + ...
合并后数据列 = 数据列1+数据列2+...
例如：
df = read_csv('路径.csv', sep=' ', names=['band', 'area', 'num'])
df = df.astype(str) #将数字转成字符型，否则会计算求和
tel = df['band']+df['area']+df['num'] #合并成电话号码
字段匹配
将不同结构的数据框，按一定条件合并
merge(x, y, left_on, right_on)
merge(第一个数据框，第二个数据框，第一个数据框用于匹配的列，数据框2匹配的列)
例如：
items = read_csv('路径.csv', sep='|', names=['id', 'comments', 'title'])
prices = read_csv('路径.csv', sep='|', names=['id', 'oldPrice', 'newPrice'])
itemPrice = pandas.merge(items, prices, left_on='id', right_on='id')